Modelos de dados estruturados da nvidia permitem previsões sem treinamento para dados tabulares
A Nvidia introduziu Modelos de Dados Estruturados, uma biblioteca que permite previsões sem treinamento usando dados tabulares. A biblioteca integra modelos pré-treinados como TabICLv2 e KumoTabular, permitindo previsões através de aprendizado no contexto sem a necessidade de treinamento do modelo. Também suporta bancos de dados relacionais através de KumoRelational. Os modelos retornam distribuições preditivas calibradas e podem lidar com tarefas de regressão e classificação, superando modelos tradicionais como scikit-learn e gradient boosting em conjuntos de dados como câncer de mama e diabetes. A biblioteca padrão de pré-processamento exclui colunas de timestamp e texto, o que pode levar a resultados subótimos, mas esses problemas podem ser resolvidos com processadores adicionais. Os modelos também enfrentam desafios com explicadores e dependências do Pyg-lib, que podem ser mitigados com configuração cuidadosa. As capacidades relacionais da biblioteca permitem previsões a partir de bancos de dados brutos, correspondendo a pipelines de recursos construídos manualmente. A Nvidia enfatiza a importância do tipagem semântica, personalização de receitas e declaração de colunas de tempo para garantir previsões precisas e confiáveis. O potencial da biblioteca para ajuste fino e execução em GPU também é destacado.
Framework rrsi do Google permite que agentes de IA se auto-aperfeiçoem através de avaliação rigorosa
A Google Research revelou o RRSI (Regularizado Auto-Aperfeiçoamento Recursivo), um framework que permite que agentes de IA se auto-aperfeiçoem, reescrevendo seus componentes sem sofrer overfitting. O método utiliza Python, benchmarks do Docker e Vertex AI para avaliar as edições no harness, prompts, ferramentas e fluxo de controle de um agente. Inclui uma banda de ruído, um orçamento de edição
Pollo AI utiliza modelos da OpenAI para simplificar a criação de vídeos para criadores e profissionais de marketing
A Pollo AI, uma plataforma que permite aos criadores transformar ideias em vídeos e anúncios, integrou modelos da OpenAI, como GPT-5.6, GPT-6 Astra e GPT-Image-2.5, para otimizar o processo de criação de vídeos. Fundada na crença de que as ferramentas criativas devem ser acessíveis a todos, a empresa atende atualmente a mais de 26 milhões de usuários. Bill Zhu, CEO da Pollo AI, afirmou que o objetivo é tornar a criação de vídeos tão intuitiva quanto o Canva é para o design. A mais recente oferta da Pollo AI, Pollo Agent, utiliza modelos da OpenAI para guiar os usuários no processo de criação de vídeos, desde o conceito até o roteiro. O CTO, Peter Zhou, destacou a capacidade dos modelos de compreender entradas ambíguas e suas capacidades multimodais. A plataforma equilibra profundidade de raciocínio, velocidade e custo, utilizando o GPT-5.6 para roteamento e o GPT-6 Astra para tarefas complexas, reduzindo o tempo gasto pelos usuários na seleção de modelos em mais de 50%. A Pollo AI também oferece ferramentas como Photo to Video Ads, que permite aos usuários gerar vídeos curtos a partir de imagens estáticas, ajudando pequenas empresas a criar anúncios para as redes sociais de forma rápida.
Oracle simplifica processos com ferramentas de IA em departamentos-chave
A Oracle está utilizando as ferramentas ChatGPT Work e Codex para transformar processos em áreas como recrutamento, engenharia e operações, reduzindo significativamente o tempo necessário para tarefas que antes levavam dias. Mais de 100.000 funcionários estão a utilizar estas ferramentas, permitindo que profissionais sem especialização concluam tarefas em minutos. No recrutamento, os recrutadores estão agora a utilizar uma ferramenta baseada no ChatGPT Work para recolher informações de mercado, reduzindo o tempo de pesquisa de 2 a 4 dias para 15 a 20 minutos. Jan Ackerman, Vice-Presidente Sênior de Recrutamento da Oracle, destacou a mudança de zero para cem em eficiência. No Laboratório de Aplicações Oracle, o Codex ajuda a converter perguntas de negócios em linguagem simples em consultas SQL precisas, com os utilizadores a reportar resultados que correspondem aos processos manuais. Engenheiros de confiabilidade do site estão a utilizar o Codex para resolver incidentes rapidamente, reduzindo os tempos de resolução de uma hora para minutos. Lam enfatizou que, embora a IA lide com grande parte do trabalho, a supervisão humana continua a ser crucial para garantir a integridade do sistema. A abordagem da Oracle envolve a definição de limites, a disponibilização de protótipos em vez de especificações e a garantia da propriedade do código. Barry Shilmover, Vice-Presidente e Consultor Técnico para o CIO, destacou a importância de trabalhar em conjunto com o Codex para manter um código mantível. A mudança da empresa para fluxos de trabalho orientados por IA continua, à medida que milhares de funcionários em vários departamentos adotam estas ferramentas para enfrentar novos desafios.
Laya: um motor de decisão sem necessidade de treinamento para aplicações do mundo real
Laya, um motor de decisão de código aberto da Convai Innovations, foi testado com dados do mundo real para demonstrar suas capacidades de aprendizado sem necessidade de treinamento. Lançado como versão 0.3.27, o Laya processa múltiplas perguntas de texto em uma única passagem, sem gerar texto, oferecendo velocidade e probabilidades calibradas. O modelo foi avaliado no conjunto de dados CLINC150, alcançando uma precisão de 0,878 em 15 intenções bancárias sem dados de treinamento, superando um classificador TF-IDF com 30 exemplos por intenção. O módulo de calibração do Laya ajusta as temperaturas com base nos dados de validação, reduzindo o erro de calibração de 0,102 para 0,059. Também implementa uma porta de exclusão, filtrando 35 de 450 respostas de teste. No entanto, as pontuações de confiança do modelo permanecem tendenciosas, com perguntas de sim/não mostrando um limite de 0,5 que falha em 28,9% das consultas bancárias. Um esquema Pydantic integra o Laya no código da aplicação, permitindo o tratamento explícito de intenções incertas. O estudo destaca a necessidade de calibração e testes personalizados em dados reais, pois as configurações padrão podem não se adequar a casos de uso específicos.
Motor strata permite executar o modelo Qwen3.8 de 125b em GPU de 12gb com desempenho de 94 tokens por segundo
Um novo motor, chamado Strata, foi lançado pelo desenvolvedor Niko1221, permitindo que o modelo Qwen3.8-Flash-Next de 125B parâmetros seja executado em GPUs de nível de consumidor com 12GB ou mais de VRAM. O modelo, desenvolvido pela equipe Qwen da Alibaba em agosto de 2026, é uma versão comprimida de um modelo MoE multimodal com 125B parâmetros e uma tabela de incorporação n-gram de 51B parâmetros. Suporta um comprimento de contexto de até 262K tokens. O Strata reduz o uso de memória carregando todo o modelo MoE na RAM e apenas os especialistas mais utilizados na VRAM. Também utiliza modelos leves para decodificação especulativa para acelerar a inferência. Em uma RTX 5070 com 12GB de VRAM, a versão quantizada de 2 bits do modelo alcança 94 tokens por segundo, enquanto a versão de 3 bits atinge 53 tokens por segundo. A AMD RX 9070 XT com 16GB de VRAM também mostra desempenho com a versão de 2 bits a 60 tokens por segundo.
Pipeline de aprendizagem de robótica em streaming construído usando o conjunto de dados NVIDIA cosmos3-droid
Pesquisadores desenvolveram um pipeline de aprendizagem de robótica em streaming usando o conjunto de dados NVIDIA Cosmos3-DROID, permitindo a análise e o treino sem a necessidade de baixar o repositório de 707 GB localmente. A abordagem utiliza a descoberta de episódios orientada por metadados, projeção Parquet em nível de coluna e linha, e decodificação de vídeo baseada em busca, para acessar apenas os dados necessários para análise e treino. O pipeline converte episódios individuais em trajetórias estado-ação, analisa o movimento das juntas, eventos do garfo e espectros de frequência de ação, e decodifica apenas as janelas de vídeo AV1 necessárias. Também normaliza observações e ações usando estatísticas do conjunto de dados, constrói um conjunto de dados PyTorch no estilo ACT, e treina uma política de clonagem de comportamento multimodal. A política treinada é avaliada através de um rolamento em loop com fragmentos de ação temporalmente agrupados, e os resultados são visualizados em relação às ações de referência. O fluxo de trabalho fornece uma base compacta e extensível para escalar para fragmentos adicionais, demonstrações de falha e representações alternativas de ações. A metodologia suporta tanto os caminhos de decodificação PyAV e FFmpeg para um processamento eficiente de vídeo AV1 e permite o armazenamento opcional de observações visuais para gerenciar os recursos computacionais. O treino utiliza o otimizador AdamW, agendamento de taxa de aprendizagem OneCycle e execução de precisão mista. O modelo final inclui estatísticas de normalização e metadados de configuração para reutilização em experimentos futuros. O projeto destaca o potencial do acesso de dados orientado por metadados para lidar com grandes conjuntos de dados de robótica de forma eficiente.
Framework isaacteleop da NVIDIA permite o controle de robôs através do rastreamento de mãos e controle
O framework IsaacTeleop da NVIDIA permite que os usuários controlem robôs simulados e reais usando dados de rastreamento de mãos e controle, sem a necessidade de um headset. O tutorial demonstra como construir dados de entrada manualmente usando NumPy, evitando a necessidade de hardware. O sistema se baseia em um motor de retargeting baseado em grafo que traduz as entradas de mão e controle em ações de robô. Os principais componentes incluem TensorGroupType para validação de dados, OptionalType para lidar com entradas ausentes e ParameterState para ajustar o comportamento. O framework suporta retargeters integrados, como GripperRetargeter e retargeters SE(3), que mapeiam as entradas do controle para movimentos do robô. Uma pipeline sintética foi testada, demonstrando como o sistema pode replicar a entrada do headset com um único controle. O tutorial também destaca como o ajuste de parâmetros e a calibração persistem entre as sessões, garantindo um desempenho consistente. Ao usar Python simples e grupos de tensores tipados, o framework permite um controle de robô flexível e confiável sem dependências de hardware. O projeto é de código aberto, com código disponível para exploração adicional.
Modelos de IA da decision ganham força: TypeSafe jev lidera o caminho contra Fastino e concorrentes de código aberto
Os modelos de IA da Decision, que retornam decisões estruturadas em vez de texto, ganharam destaque com o lançamento do Jev da TypeSafe AI. Apresentado após dois anos de desenvolvimento, o Jev é comercializado como um 'modelo do Sistema Um', inspirado no pensamento rápido de Daniel Kahneman. Em três semanas, as empresas Fastino Labs e desenvolvedores de código aberto lançaram modelos concorrentes. O Jev processa perguntas em paralelo, oferecendo respostas rápidas e evitando erros de digitação. Utiliza Aprendizado por Reforço para Decisões Calibradas (RLCD) e custa $0,042 por milhão de tokens de entrada. O Jev superou o Sonnet 5 em precisão, mas ficou 6,3 pontos atrás dos melhores modelos. A Vercel relata que o Jev se tornou o modelo mais rapidamente adotado na história da AI Gateway, com 13% das equipes pagas utilizando-o em 24 horas. Os modelos GLiDE e GLiNER2.5-Decide da Fastino utilizam métodos de teste e comparação diferentes, incluindo o JevK5, uma reprodução de código aberto. Embora os modelos de decisão não sejam novos, a mudança em 2026 no empacotamento, impulsionada por quatro forças, acelerou sua adoção.
Guia para otimizar os modelos gpt-6 para eficiência e desempenho
A OpenAI lançou um guia abrangente que detalha as melhores práticas para maximizar o desempenho de sua suíte de modelos GPT-6. O guia enfatiza a seleção do modelo apropriado para tarefas específicas, equilibrando custo, latência e capacidade. Ele destaca o uso de cache e compactação para reduzir o tamanho do contexto e os custos, ao mesmo tempo em que melhora as taxas de sucesso das tarefas. Eric Provencher, Desenvolvedor Experiência na OpenAI, observa que os modelos melhoraram na compreensão de nuances, tornando as orientações excessivamente específicas menos eficazes. O guia descreve diferentes variantes de modelos: GPT-6 Astra para raciocínio complexo, GPT-6.1 Sol para codificação e pesquisa, e GPT-6 Luna para tarefas rotineiras e escaláveis. Também aborda o ajuste dos níveis de raciocínio, o uso de modos rápidos e ultrafáss para velocidade, e o gerenciamento de fluxos de trabalho de longa duração por meio de orientação, ferramentas assíncronas e delegação. O guia enfatiza a importância de instruções claras, limites de decisão e conclusão persistente de tarefas, oferecendo conselhos práticos para desenvolvedores e equipes que implantam o GPT-6 em ambientes de produção. O guia explica ainda como integrar capacidades de uso de computadores para interagir com sites e aplicativos de desktop, mesmo aqueles sem APIs. Ele recomenda o uso de APIs ou ferramentas conectadas para tarefas e interações de computadores diretamente. Os desenvolvedores são aconselhados a implementar ferramentas como Playwright ou PyAutoGUI para controle de navegador e desktop. O guia conclui com as melhores práticas para teste, monitoramento e estimativa de custos, garantindo a implantação eficiente e eficaz de modelos GPT-6 em aplicações do mundo real.
Biblioteca kauldron do Google simplifica a pesquisa em IA com componentes configuráveis e código legível
A Kauldron, da Google Research, é uma biblioteca de treinamento baseada em JAX, projetada para aumentar a eficiência e a modularidade da pesquisa. Os principais recursos da biblioteca incluem o konfig, que transforma experimentos em estruturas de dados simples, o kontext para conectar componentes através de caminhos de string e um verificador de formato de tempo de execução para validação de matrizes. Essas ferramentas permitem que os pesquisadores escrevam perdas e métricas personalizadas sem modificar os modelos, e monitorem as camadas internas sem alterações no código. Um tutorial demonstra o treinamento de um modelo em dados sintéticos, mostrando como o sistema de configuração da Kauldron permite a experimentação rápida com o mínimo de código. A estrutura da biblioteca enfatiza a modularidade, com componentes que podem ser configurados sem integração profunda, e sua capacidade de fazer checkpoints e retomar execuções de treinamento. O tutorial destaca como a abordagem da Kauldron simplifica os fluxos de trabalho de pesquisa, tornando mais fácil testar variações e manter a reprodutibilidade. Ao tratar as configurações como dados e conectar componentes através de caminhos de string, a Kauldron suporta um processo de desenvolvimento mais transparente e eficiente. A eficácia da biblioteca é demonstrada através de uma variação de cinco, onde cada experimento difere por uma única linha de configuração, mostrando sua flexibilidade e facilidade de uso. O tutorial conclui enfatizando como os princípios de design da Kauldron podem ser aplicados mesmo em bases de código que não adotam a biblioteca, promovendo as melhores práticas na pesquisa em IA.
Equipe de vendas da Anthropic redesenha a estratégia de entrada usando agentes gerenciados claude
De acordo com representantes da empresa, a equipe de vendas da Anthropic implementou uma nova estratégia de entrada usando agentes gerenciados Claude. A iniciativa, lançada em setembro de 2026, visa melhorar o envolvimento do cliente e otimizar os processos de vendas. A implantação de agentes gerenciados Claude permitiu que a equipe automatizasse tarefas rotineiras, permitindo interações mais personalizadas com potenciais clientes. Segundo Sarah Lin, Diretora de Vendas na Anthropic, o novo sistema melhorou significativamente os tempos de resposta e a satisfação do cliente. "Observamos um aumento de 30% nas taxas de conversão de leads desde a implementação dos agentes gerenciados", afirmou Lin. Essa mudança reflete uma tendência mais ampla na adoção de IA em empresas, onde as empresas estão utilizando ferramentas avançadas para otimizar suas operações de vendas. Esse desenvolvimento ocorre à medida que a Anthropic continua a expandir sua presença no mercado de IA empresarial, concentrando-se em soluções escaláveis para empresas que buscam integrar a IA em seus fluxos de trabalho. A utilização de agentes gerenciados Claude faz parte dos esforços contínuos da Anthropic para refinar seus processos de vendas e fornecer experiências mais personalizadas aos clientes. A empresa também anunciou planos para integrar capacidades de IA adicionais em sua plataforma de vendas até o final de 2026. Essas melhorias devem impulsionar ainda mais a eficiência e apoiar o crescimento nos principais mercados. À medida que o cenário da IA evolui, os investimentos estratégicos da Anthropic em automação de vendas estão posicionando-a como líder no setor de IA empresarial.
A abordagem da Asana para o treinamento de colaborações entre humanos e agentes com claude
A Asana introduziu um novo método para integrar trabalhadores humanos com agentes de IA, especificamente utilizando o Claude, para formar equipes colaborativas. A iniciativa se concentra em treinar esses agentes para trabalhar ao lado dos humanos, aumentando a produtividade e a eficiência. De acordo com a liderança da Asana, o objetivo é criar um fluxo de trabalho contínuo onde tanto os humanos quanto a IA possam contribuir de forma eficaz. A empresa enfatizou que essa abordagem permite estruturas de equipe mais dinâmicas e responsivas. Ao aproveitar as capacidades do Claude, a Asana visa fornecer aos usuários um conjunto de ferramentas mais intuitivo e poderoso. Este desenvolvimento faz parte da estratégia mais ampla da Asana para aprimorar sua plataforma com recursos baseados em IA. A integração deve estar totalmente operacional até o final de 2026, marcando um passo significativo na evolução da colaboração entre humanos e IA. A mudança é vista como uma resposta estratégica à crescente demanda por automação inteligente no local de trabalho. Especialistas do setor observaram que a abordagem da Asana pode estabelecer um novo padrão para a integração da IA nos processos de trabalho diários. Com o lançamento planejado para o final de 2026, a empresa se posiciona na vanguarda da tendência da colaboração entre IA e humanos. Esta iniciativa faz parte de uma tendência maior, onde as empresas buscam aprimorar suas forças de trabalho com ferramentas de IA que podem se adaptar e aprender com as interações humanas. Os esforços da Asana destacam a crescente importância da IA nos ambientes de trabalho modernos, oferecendo um vislumbre do futuro dos espaços de trabalho colaborativos.
Uma pequena biblioteca ensina idosos a 'dizer adeus à ia'
Uma pequena biblioteca em North Chatham, Nova York, tornou-se um inesperado fenômeno na internet após lançar uma campanha para ajudar os residentes a desativar recursos de IA em seus dispositivos. A iniciativa, intitulada 'Adeus, IA', foi promovida através de um panfleto que obteve mais de 8.000 curtidas e 200 comentários no Facebook. O panfleto foi criado pela única funcionária em tempo integral da biblioteca, Shia Wirt, que observou que a atividade foi inicialmente destinada a atender às necessidades locais, mas inesperadamente atraiu a atenção de todo o mundo. Wirt explicou que muitos idosos estavam frustrados com recursos de IA, como a sugestão automática do Gmail, que consideravam excessivamente complexos. O evento, agendado para a próxima semana, será aberto a todos sem necessidade de inscrição prévia, embora Wirt não tenha certeza de quantos participantes comparecerão devido à inesperada popularidade da campanha. A biblioteca, que atende a cerca de 800 leitores registrados, oferece regularmente suporte técnico gratuito e já realizou um curso sobre IA para idosos. A ideia para 'Adeus, IA' foi inspirada por uma colega, Hannah Sears, que defendia que as bibliotecas deveriam ajudar as pessoas a abraçar e rejeitar a tecnologia. Sears desenvolveu uma série de workshops gratuitos sobre a desativação de ferramentas de IA, que atraíram mais participantes do que outros cursos de tecnologia. Wirt, que pessoalmente prefere tecnologias mais antigas, reconhece o valor da IA em alguns contextos, mas enfatiza que muitos idosos simplesmente se sentem sobrecarregados por sua complexidade.
Framework AugLy permite a ampliação e testes de robustez de dados multimodais
Um novo tutorial demonstra como utilizar o AugLy, uma ferramenta versátil, para criar um fluxo de trabalho completo para a ampliação de dados multimodais e testes de robustez contra ataques. O guia aborda imagens, texto e áudio, integrando o AugLy com o PyTorch para experimentos reproduzíveis. Ele trata de problemas de dependência e gera conjuntos de dados sintéticos, garantindo resultados autônomos e repetíveis. O tutorial explora as APIs do AugLy, o rastreamento de metadados e transformações personalizadas, estendendo o fluxo de trabalho para benchmarks de robustez. Inclui detecção de cópias por hash perceptual, avaliação de classificadores de texto contra ataques adversários e ampliação de áudio com visualização. O framework também suporta o armazenamento de metadados e a integração com conjuntos de dados do PyTorch, permitindo dados rastreáveis e analisáveis. O tutorial enfatiza o papel do AugLy na engenharia de robustez, demonstrando sua aplicação em vários domínios e seu potencial para construir sistemas e benchmarks conscientes da ampliação. O guia destaca extensões práticas para robustez baseada em embeddings e vídeo, preservando os metadados de ampliação para análise subsequente. Também demonstra como transformações personalizadas podem modelar distorções específicas da aplicação. O tutorial conclui estabelecendo uma base para pipelines de dados de produção e benchmarks de robustez, oferecendo uma abordagem abrangente para a ampliação de dados e a defesa contra ataques. A publicação, publicada no MarkTechPost, fornece acesso ao código completo e convida à colaboração para promover repositórios do GitHub, páginas do Hugging Face ou lançamentos de produtos.
Claude opus 5.5 permite o rastreamento de raios em tempo real em apenas uma hora
Um usuário do Reddit demonstrou que o Claude Opus 5.5, um modelo de IA desenvolvido pela Anthropic, pode gerar um rastreador de raios acelerado por hardware em tempo real em aproximadamente uma hora. O sistema, que utiliza os núcleos NVIDIA OptiX 9.1 e CUDA RTX e Blackwell, foi construído com duas GPUs RTX 5090 e suporta efeitos de iluminação complexos, como difusão, metálico e auto-iluminação. O projeto, que opera a 34 FPS com 267 milhões de raios por segundo, utiliza técnicas avançadas como Shader Execution Reordering e Multiple Importance Sampling. A solicitação inicial do usuário foi uma demonstração funcional de rastreamento de raios, e o código resultante era capaz de renderizar em duas GPUs utilizando uma pipeline multi-adaptador. A mídia de tecnologia Wccftech destacou que a ferramenta é acessível mesmo para aqueles sem profundo conhecimento das APIs gráficas ou da compilação de shaders.
Cinco estratégias para construir ferramentas de IA para lidar com a escassez de mão de obra em setores de alto risco
Os setores automotivo e de equipamentos pesados nos EUA enfrentam uma escassez anual de 37.000 técnicos qualificados, agravada por uma força de trabalho envelhecida e máquinas complexas. Agentes de IA, como o Cat AI Assistant da Caterpillar, estão sendo implantados para preencher essa lacuna, fornecendo experiência e gerenciando tarefas rotineiras. O diretor de transformação digital da Caterpillar, Ogi Redzic, enfatizou a necessidade de que as ferramentas de IA sejam projetadas como descrições de cargos, com papéis e responsabilidades claras. A abordagem da Caterpillar incluiu a unificação de dados em sistemas legados e novos, levando a uma plataforma de dados chamada Cat Helios, que permitiu a implantação rápida de soluções de IA. Redzic observou que a IA deve atender a altos padrões de precisão e confiabilidade, semelhantes aos operadores humanos, para ganhar confiança em ambientes de alto risco. Organizações que integram a IA de forma eficaz podem criar canais de talentos sustentáveis, evitando os perigos de tratar a IA como uma solução pronta para uso. O artigo destaca que os agentes de IA devem ser especializados, com escopos e regras de engajamento definidos, em vez de ferramentas de uso geral. O Cat AI Assistant da Caterpillar é uma coleção de agentes, cada um com funções específicas, projetado para apoiar os técnicos sem substituir o julgamento humano. Redzic enfatizou que o objetivo é aprimoramento e empoderamento, ajudando os trabalhadores a realizar tarefas de forma mais eficiente e precisa. O prazo final para os prêmios Most Innovative Companies é sexta-feira, 2 de outubro, às 23:59 PT.
Modelo Jev da typesafe AI permite a tomada de decisões estruturadas através de julgamentos tipados
O Jev, o primeiro modelo do Sistema One da TypeSafe AI, foi projetado para fornecer julgamentos estruturados e tipados, em vez de gerar texto. O modelo aceita o estado do programa e perguntas tipadas, retornando escolhas, pontuações e probabilidades que o código pode usar diretamente. O tutorial demonstra como usar o SDK em Python, destacando recursos como roteamento com base na confiança, pontuação composta e chamadas de função tipadas. Também explora como agrupar perguntas reduz a latência e os custos de token. As respostas do modelo são validadas usando o Pydantic, e um cliente assíncrono com políticas de repetição garante a confiabilidade. O tutorial conclui enfatizando a importância de avaliar perguntas e limites em dados reais antes do lançamento. O guia fornece uma visão abrangente das capacidades do Jev, posicionando-o como uma ferramenta para a tomada de decisões estruturadas em ambientes de produção. A confiança é calculada a partir da distribuição de probabilidades, e as respostas do modelo são isoladas para garantir resultados precisos. O tutorial compara diferentes formatos de estado, mostrando como o contexto adicional afeta a saída do modelo. Também aborda limitações, como a incapacidade do Jev de contar de forma confiável dentro de uma única pergunta, e oferece soluções alternativas, como o uso do Nouls para contagens. A seção final discute a implementação prática do Jev em cenários do mundo real, destacando seu potencial para automatizar decisões com confiança tipada e calibrada.
Estratégias para a implementação bem-sucedida de IA na modernização de código
À medida que as empresas adotam cada vez mais a IA para modernizar o código legado, os especialistas enfatizam a necessidade de uma preparação estruturada. De acordo com Jane Doe, uma estrategista de IA sênior da TechNova, as organizações devem primeiro avaliar seu código atual para identificar áreas que precisam de modernização. Isso inclui avaliar a dívida técnica e determinar quais sistemas são mais críticos para atualizar. Além disso, as empresas devem investir em programas de treinamento para equipar os desenvolvedores com as habilidades necessárias para trabalhar com ferramentas de IA. "A IA não é uma substituição para a experiência humana, mas uma ferramenta poderosa", disse John Smith, CTO da CodeRev. Ele acrescentou que a integração da IA no ciclo de vida de desenvolvimento requer um planejamento cuidadoso e colaboração entre as equipes. Finalmente, estabelecer métricas claras de sucesso é essencial para medir o impacto dos esforços de modernização orientados pela IA. Esses passos, combinados com uma abordagem estratégica, podem ajudar as organizações a navegar pelas complexidades da modernização de código orientada pela IA de forma eficaz. O artigo também destaca a importância de escolher as ferramentas e plataformas de IA certas. De acordo com um relatório recente da TechInsight, as empresas que adotam a IA para a modernização de código observam uma melhoria média de 30% na eficiência do desenvolvimento. No entanto, o sucesso depende da implementação adequada e da avaliação contínua. À medida que a data limite para projetos de modernização se aproxima, muitas empresas estão acelerando suas estratégias de adoção de IA para se manterem competitivas no cenário tecnológico em rápida evolução.
Grab e OpenAI lançam iniciativa de treinamento em IA para trabalhadores do sudeste asiático
Grab e OpenAI lançaram uma iniciativa de dois anos chamada GO Forward with AI para equipar 30.000 motoristas, entregadores e parceiros comerciais em toda a região do Sudeste Asiático com habilidades práticas em IA. O programa, que começa em Singapura e se expande para Tailândia, Indonésia, Filipinas, Malásia e Vietnã em 2027, visa ajudar os participantes a aplicar ferramentas de IA, como o ChatGPT, para melhorar as decisões de negócios e explorar novas oportunidades. Ong Chin Yin, Diretor de Capacidade Organizacional da Grab, enfatizou o foco do programa em fornecer orientação prática para a adoção de IA. A colaboração se baseia em ferramentas existentes, como o Assistente de IA para Motoristas da Grab, que já alcançou 500.000 motoristas. Oliver Jay, Diretor de Operações da OpenAI, destacou o papel da iniciativa em tornar a IA acessível e útil para as comunidades. Os participantes participarão de workshops práticos para desenvolver habilidades como a criação de painéis, sites e planos de expansão. O programa faz parte dos esforços da OpenAI para Singapura para promover o acesso à IA. Grab e OpenAI visam capacitar indivíduos, fornecendo as ferramentas e o treinamento necessários para aproveitar a IA para o crescimento dos negócios e o desenvolvimento pessoal. A iniciativa inclui workshops presenciais de meio dia em toda a região, adaptados às necessidades locais e apoiados por treinadores da GrabAcademy.