Today’s frontier report
Research Pool → Multi-Scout → Editor → Edition
3qk7 · AI LOCAL LABS TECHNICAL SCOUTING

AI FRONTIER

Signals worth understanding before they become obvious.

2026-11-21
01
testinferenceincremental

Por que CNNs de visão abaixo de 4 bits colapsam e onde a recuperação de precisão mista para

O artigo analisa sistematicamente o colapso de quantização em CNNs de visão padrão, incluindo backbones ResNet e EfficientNet, avaliadas no conjunto completo de validação ImageNet-1k de 50.000 imagens, e introduz uma cascata de recuperação em várias etapas.

  • O colapso é altamente não linear e concentrado em projeções pointwise tardias e camadas depthwise.
  • Manter menos de 5% das ativações de camadas críticas em precisão de 8 bits recupera até 92% da precisão perdida durante compressão agressiva abaixo de 4 bits.
  • Em arquiteturas de CPU padrão ARM e x86, o desempacotamento de bits por software do runtime padrão introduz uma desaceleração de execução de 1,48x a 21,5x dependendo do tamanho do lote.

Para desenvolvedores de visão em borda, pesos abaixo de 4 bits reduzem armazenamento em vez de throughput, então a recuperação de precisão mista deve mirar projeções pointwise tardias e camadas depthwise enquanto mede a sobrecarga de desemp...

arXiv cs.AI
02
testmodelscapability unlock

thinkingmachines/Inkling-2-Mini: transformer multimodal em loop de 26,4B com pesos abertos

A Thinking Machines Lab lançou o Inkling 2 Mini, um transformer em loop nativamente multimodal com 26,4B de parâmetros totais e 3,4B ativos, sob Apache 2.0 com pesos abertos. Ele aceita entradas de texto e imagem e suporta janela de contexto de até 1M tokens.

  • 26,4B de parâmetros totais e 3,4B ativos; as 12 camadas intermediárias rodam três vezes com pesos compartilhados, resultando em 48 aplicações de camada por token e 5,4B de parâmetros ativos efetivos.
  • A arquitetura é um MoE esparso decoder-only de 24 camadas que roteia cada token para 8 de 128 especialistas por camada, com atenção híbrida local e global.
  • Distribuído como um único checkpoint de cerca de 20GB em precisão mista NVFP4 e MXFP8, com inferência local suportada em 1x NVIDIA DGX Spark e dispositivos Apple silicon com 32GB ou mais de memória.
  • O model card reporta SWEBench Verified (apenas bash) 79,2%, SWEBench Pro v2 (Hard) 77,9%, MMMU Pro Standard 10 74,9% e OmniDocBench v1.6 92,8%.

Desenvolvedores ganham um modelo multimodal de pesos abertos que cabe em hardware local de classe 32GB, mas o model card afirma recall factual menor que o Inkling 2 Small e possíveis ações agênticas destrutivas sem confirmação, exigindo san...

Hugging Face Trending
03
testdeveloperopen source unlock

Hugging Face lança os harness adapters: adaptar um modelo ao seu harness de agente com RL

A Hugging Face publica uma receita reutilizável que treina um adaptador LoRA por harness de agente para o Qwen3.8-27B com RL dentro de Pi, OpenCode e Hermes Agent, e depois funde os três LoRAs em um único super adaptador que roda sem alterações nos três harnesses.

  • Cada adaptador foi treinado em GPUs NVIDIA 2×B200, com uma GPU para o servidor vLLM e outra para o processo de treinamento.
  • A mistura final de dados combina 750 tarefas dos ambientes RL do harness-adapters com 300 tarefas do termgrade.
  • O dataset harness-hub/agentic-coding-envs contém 871 tarefas de 35 repositórios, das quais 171 formam o subconjunto qualificado para o treinamento GRPO.

Para quem constrói agentes, isso mostra que o ajuste fino com RL dentro do harness realmente implantado pode elevar a taxa de acerto e reduzir o uso de tokens sem trocar o modelo base.

Hugging Face Blog
04
watchresearchcapability unlock

Treinar modelos de linguagem para supervisão introspectiva

O artigo introduz a supervisão introspectiva: um papel separado de observador em terceira pessoa é adicionado ao modelo para responder perguntas sobre o assistente, com recompensa para respostas verificadas contra o comportamento real do assistente. Em cinco avaliações de supervisão reservadas, um observador treinado n...

  • Um observador treinado no Qwen3.6-27B obtém AUROC médio de 0,907 em cinco avaliações de supervisão reservadas.
  • Referências: treinamento de honestidade 0,864, monitoramento de transcrições 0,828, oráculos de ativação 0,796.
  • O artigo relata que treinar um observador torna o próprio assistente mais fácil de monitorar, com todos os métodos de referência melhorando em média no assistente ajustado.
  • O artigo tem 31 páginas, 13 figuras e 8 tabelas, submetido em 17 de novembro de 2026.

Para os desenvolvedores, isso sugere um papel de observador treinável separadamente do assistente e apenas para precisão, como via de supervisão além do monitoramento externo de transcrições e dos decodificadores de ativação.

arXiv cs.AI
05
testresearchincremental

Watch Where You Linearize: prever e corrigir a interferência na fusão de modelos

O artigo mostra que uma derivada direcional de primeira ordem das saídas da tarefa A ao longo do vetor da tarefa B pode prever interferência, mas apenas quando avaliada no modelo receptor, e constrói o LR-Merge para otimizar coeficientes via correspondência de professor convexa sem rótulos.

  • No modelo receptor, a derivada prevê fusões próximas por tarefa e por exemplo, reduz pela metade o erro de precisão de uma linha de base sem alteração e identifica a maioria dos exemplos cujas previsões se invertem.
  • Fusões multitarefa completas exigem duas avaliações ao longo do caminho de fusão; uma única avaliação é insuficiente.
  • No backbone pré-treinado compartilhado, a derivada é quase ortogonal às mudanças realizadas nos experimentos de visão e apenas parcialmente preditiva nos pilotos de modelos de linguagem LoRA.

Os desenvolvedores podem avaliar a derivada direcional no modelo receptor para prever a interferência de fusão a baixo custo e usar a correspondência de professor convexa sem rótulos do LR-Merge em vez de uma busca cara por coeficientes.

arXiv cs.LG
06
watchagentsincremental

Where the Tokens Go: calor, entropia e erro na codificação agêntica

O artigo introduz uma teoria da termodinâmica de software que conta os tokens gerados por um agente de codificação como custo e divide esse custo em trabalho e calor. Ele testa a teoria fazendo um agente alterar e desfazer repetidamente mudanças em um repositório, contando os tokens de cada chamada ao modelo.

  • O artigo relata que cerca de 80 por cento dos tokens de uma execução bem-sucedida são gerados em chamadas ao modelo que deixam a mudança solicitada onde estava, o que os autores chamam de calor.
  • O artigo relata que a energia livre de uma mudança, estimada por analogia com a igualdade de Jarzynski, é de 14 a 22 por cento do custo médio de uma execução de codificação bem-sucedida.
  • O artigo relata que a codificação custa de 1,1 a 1,5 vezes mais do que a desfazer a codificação.
  • O artigo relata que a dispersão do custo em ciclos repetidos define uma temperatura de software, que aumentou com a temperatura de amostragem do modelo.

O arcabouço permite aos desenvolvedores separar o gasto de tokens de um agente em trabalho útil e calor desperdiçado, para identificar chamadas ao modelo que não fazem avançar a mudança solicitada.

arXiv cs.AI
07
watchresearchbenchmark jump

RFBench: um benchmark multimodal baseado em simulador para projeto e compreensão de layouts de RF passivos

O artigo apresenta o RFBench, um conjunto de dados e benchmark baseados em simulador para avaliar modelos de linguagem multimodais no projeto e na compreensão de layouts de RF passivos em sete tarefas.

  • O conjunto de dados contém 10.000 layouts planares de dois portos simulados com ADS Momentum.
  • Cada layout inclui primitivas geométricas editáveis, uma imagem raster, uma grade de ocupação 16x16, parâmetros S complexos em 201 pontos de frequência, uma categoria estrutural e um rótulo de resposta de RF.
  • O artigo relata que o ajuste fino específico de RF aumenta a validade estrutural T1a de 0,0% para 83,2% e a taxa dentro de 2 dB para entrada de primitivas T3 de 17,7% para 62,8%.

O ajuste fino específico de RF melhora substancialmente a validade estrutural e a previsão de resposta, mas os resultados relatados mostram que ainda há bastante espaço para gerar layouts eletromagneticamente fiéis.

arXiv cs.AI
08
testinferencecost collapse

Estimativa de importância global para evicção de cache KV

O artigo apresenta o PRKV, um método de evicção de cache KV sem treinamento que estima a importância global de tokens em múltiplos saltos aplicando Personalized PageRank sobre grafos de transição induzidos pela atenção, permitindo propagação de importância além da recência ou da atenção instantânea sem modificar o mode...

  • O PRKV é sem treinamento e não modifica o modelo.
  • O método reduz o uso de memória de pico com baixo overhead de ponta a ponta.
  • O artigo foi aceito na NeurIPS 2026, por Seojin Kim e Noseong Park.

Para quem constrói inferência de contexto longo, o PRKV indica que substituir a pontuação por recência ou atenção instantânea por estimativa de influência global em múltiplos saltos pode preservar o desempenho de tarefa em altas taxas de co...

arXiv cs.CL