Publicado em 19 de outubro de 2025, o estudo examina dados, algoritmos e modos de raciocínio no treinamento de LLMs agênticos. A prévia destaca a comparação entre trajetórias sintéticas concatenadas e trajetórias reais de uso de ferramentas de ponta a ponta.
Publicado em 18 de outubro de 2025, o relato apresenta o Router-R1 como uma abordagem de reinforcement learning para alternar entre raciocínio e chamadas a vários LLMs. O texto informa resultados em sete benchmarks de perguntas e respostas.
Publicado em 17 de outubro de 2025, o item divulga um curso sobre otimização de prompts para modelos de linguagem com DSPy GEPA, voltado a engenheiros. A descrição não informa currículo detalhado nem resultados de avaliação.
Publicado em 17 de outubro de 2025, o relato descreve um framework de síntese de fala que combina representação IPA, especialistas sensíveis a dialetos e métodos de adaptação.
Em 17 de outubro de 2025, a Meituan disponibilizou em código aberto um tokenizer e detokenizer de áudio otimizado para Speech LLMs, com tokens paralelos e decoder de streaming de baixa latência.
Uma implementação em Python de Recursive Language Models mantém entradas longas em um Python REPL para análise e informa suporte a mais de 100 provedores de LLM por meio do LiteLLM.
A Aalto University oferece um curso gratuito e prático sobre engenharia de algoritmos para computadores paralelos modernos, incluindo CPUs multicore e GPUs. O material aborda como projetar programas para aproveitar esses recursos.
Um comentário sobre um artigo de AGI elogia sua discussão sobre variação de capacidades, mas questiona os benchmarks e a visão restrita de inteligência artificial.
Publicado em 15 de outubro de 2025, o registro recomenda o livro de Guy Blelloch como complemento a um curso do MIT e destaca a hierarquia de memória na computação paralela.
Publicação de 15 de outubro de 2025 descreve Recursive Language Models, que interagem recursivamente com prompts muito longos por meio de um REPL, e relata resultados nos benchmarks OOLONG e BrowseComp-Plus.
Publicado em 14 de outubro de 2025, o estudo examina dados, algoritmos e modos de raciocínio no aprendizado por reforço para agentes, incluindo trajetórias e uso de ferramentas.
Publicado em 14 de outubro de 2025, o registro descreve a Radxa Orion O6N, uma placa Nano-ITX com SoC CIX P1 de 12 núcleos, até 64 GB de LPDDR5 e acelerador de IA de 30/45 TOPS.
Publicado em 13 de outubro de 2025, o resumo apresenta o Agentic Context Engineering (ACE), uma abordagem que acumula e refina itens estruturados de contexto com base no desempenho.
A publicação relata 92% de acerto no Big Bench Audio para um modelo de áudio com raciocínio, além de comparar o tempo até o primeiro token com e sem essa etapa.
Publicado em 13 de outubro de 2025, o artigo apresenta um sistema que alterna entre atenção densa e esparsa para adaptar o processamento de sequências curtas a longas.
Publicado em 13 de outubro de 2025, o relato apresenta uma abordagem que analisa circuitos internos de modelos para prever raciocínios incorretos e informa resultados em tarefas aritméticas.
Experimentos relatados com 13 LLMs apontaram o melhor resultado com 17% de attention, equivalente a duas de 12 camadas. A comparação pode informar escolhas de arquitetura, mas não estabelece uma regra universal.
Publicado em 12 de outubro de 2025, o guia aborda como modelos de linguagem passam da previsão do próximo token ao seguimento de instruções, além de métodos e avaliação.