Cada notícia resume o fato e diz o que uma empresa pode fazer.
8 de outubro de 2026 · baseten.co
Publicado em 3 de março de 2026, o livro de Philip Kiely aborda hardware, software, técnicas e infraestrutura para sistemas de inferência em produção, com foco principal em modelos de linguagem e algum conteúdo sobre diffusion.
8 de outubro de 2026 · github.com
Em 22 de fevereiro de 2026, a página do repositório ntransformer afirma que o engine de inferência em C++/CUDA executa Llama 70B em uma RTX 3090, com transferência de NVMe para GPU sem passar pela CPU.
8 de outubro de 2026 · github.com
O repositório antirez/qwen-asr oferece inferência em C para modelos de reconhecimento de fala de 0,6B e 1,7B, com aplicação potencial em bots de transcrição e interfaces por voz.
8 de outubro de 2026 · x.com
Testes de oito LLMs locais em uma RTX 3090 compararam throughput e eficiência energética com limites de potência entre 100 W e 450 W.
8 de outubro de 2026 · tunbury.org
Publicado em 11 de março de 2026, o artigo compara inferência com ONNX Runtime em uma GPU NVIDIA L4 e uma CPU AMD EPYC 9965. O autor relata que OCaml e o posicionamento de memória com libnuma aceleraram a inferência em CPU frente ao uso de GPUs escassas no TESSERA.
8 de outubro de 2026 · arxiv.org
Publicado em 15 de março de 2026, o paper analisa explosões catastróficas da loss no treinamento de baixa precisão com Flash Attention e as relaciona a padrões internos semelhantes nos dados de attention e a erros de arredondamento enviesados que se acumulam.
8 de outubro de 2026 · users.cs.utah.edu
Artigo de 2012 da University of Utah aborda integer overflow em C e C++, um risco relevante na escrita e revisão de código nessas linguagens.
8 de outubro de 2026 · videocardz.com
Artigo de 6 de novembro de 2025 informa que a GPU Intel Arc Pro B60, com 24 GB de memória, deveria chegar à Europa entre meados e o fim de novembro, a partir de €769.
8 de outubro de 2026 · cdrdv2-public.intel.com
Em post publicado em 11 de março de 2026, a Intel anunciou a versão 6.0 da especificação AVX10.2 e a renomeação de AVX10_VNNI_INT para AVX10_V1_AUX.
8 de outubro de 2026 · intel.com
Publicada em 17 de fevereiro de 2026, a documentação da Intel apresenta funções no estilo C que permitem acessar instruções do processador sem escrever assembly.
8 de outubro de 2026 · cdrdv2-public.intel.com
Em 29 de dezembro de 2025, a Intel lançou a versão 1.2a de seu guia de tuning e otimização de aplicações de computação de alto desempenho para sistemas Xeon 6.
8 de outubro de 2026 · arxiv.org
Em post publicado em 11 de abril de 2026, a Interleaved Head Attention explora a comunicação entre attention heads dentro de uma camada, com foco em raciocínio.
8 de outubro de 2026 · sysdig.com
Em artigo publicado em 4 de fevereiro de 2026, a Sysdig descreve uma invasão na AWS que começou com credenciais expostas no S3, passou pelo Lambda e chegou ao acesso ao Bedrock. O texto destaca uma regra do Elastic para detectar layers externos adicionados a funções Lambda.
8 de outubro de 2026 · ieeexplore.ieee.org
Publicado em 16 de janeiro de 2026, o post apresenta um estudo sobre ataques de inversão de gradientes em Federated Learning. O texto afirma que o método de ataque mais prático ainda é pouco confiável e que o trabalho propõe uma defesa em três etapas.
8 de outubro de 2026 · x.com
Post publicado em 29 de dezembro de 2025 descreve as IPUs da Graphcore como aceleradores massivamente paralelos, adequados a batches pequenos, e aponta que unidades usadas podem custar pouco, mas são difíceis de usar.
8 de outubro de 2026 · developers.redhat.com
Artigo da Red Hat Developer, publicado em 2 de abril de 2026, explica como o jump threading busca reduzir saltos executados dinamicamente em diferentes caminhos do fluxo de controle.
8 de outubro de 2026 · arxiv.org
Publicado em 4 de janeiro de 2026, o paper descreve treinamento em etapa única, com hiperparâmetros fixos, e relata acurácias médias de 54,9% e 64,3% em dois modelos de raciocínio de 1,5B.
8 de outubro de 2026 · arxiv.org
Publicado em 27 de outubro de 2025, o paper apresenta a KArAt, uma alternativa learnable à atenção com softmax. Relata resultados mistos em vision transformers e variantes low-rank para reduzir o uso de memória.
8 de outubro de 2026 · x.com
Publicado em 24 de dezembro de 2025, o paper descreve um método sem treinamento que reutiliza padrões de chaves entre camadas. Relata geração até 4,1× mais rápida e prefill 2,2× mais rápido em GPUs H100.
8 de outubro de 2026 · arxiv.org
Publicado em 18 de fevereiro de 2026, o artigo descreve uma técnica que reutiliza resultados de atenção entre camadas Transformer para reduzir trabalho durante a inferência, sem retreinar o modelo ou alterar seus pesos.
8 de outubro de 2026 · tensara.org
Publicado em 16 de novembro de 2025, o artigo da Tensara apresenta a iniciantes a escrita de um kernel CUDA simples para somar arrays. O exemplo pode servir de base para avaliar cargas de trabalho em GPU.
8 de outubro de 2026 · paulwillchan.com
Post publicado em 27 de abril de 2026 descreve um kernel de multiplicação de matrizes em CUDA/PTX puro que, no B200 e com M=N=K=8192, teria superado o desempenho do cuBLAS em 6%.
8 de outubro de 2026 · popovicu.com
Artigo publicado em 12 de maio de 2026 descreve a criação de um kernel mínimo de time-sharing em Zig para RISC-V sobre OpenSBI, com traps em S-mode e troca de contexto acionada por timer.
8 de outubro de 2026 · github.com
Publicado em 3 de maio de 2026, o repositório reúne kernels Triton e operadores PyTorch para Block Attention Residuals (AttnRes).
8 de outubro de 2026 · cnx-software.com
Publicado em 30 de dezembro de 2025, o artigo descreve um kit que combina módulos de computação e aceleração para avaliar cargas de trabalho de LLMs e VLMs em sistemas embarcados.
8 de outubro de 2026 · outcomeschool.com
Publicado em 9 de maio de 2026, o artigo explica como o KV cache reutiliza valores já calculados e por que isso importa para memória e computação na inferência.
8 de outubro de 2026 · x.com
Em post publicado em 19 de outubro de 2025, a Tencent apresenta o LaSeR, algoritmo de reinforcement learning que alinha scores do último token a recompensas reais e usa uma inferência adicional de token.
8 de outubro de 2026 · docs.nvidia.com
Post da NVIDIA, publicado em 3 de fevereiro de 2026, recomenda tutoriais de álgebra de layouts para compreender como o CuTe representa tensores.
8 de outubro de 2026 · github.com
Publicado em 12 de janeiro de 2026, o repositório descreve uma ferramenta para localizar, em fontes online passivas, vazamentos de credenciais associados a endereços de e-mail.
8 de outubro de 2026 · x.com
Relato publicado em 4 de março de 2026 aponta que dividir 256 slices de SIGReg em chunks de 32 usou oito vezes menos VRAM e terminou mais rápido em uma GPU 4090 MaxQ.
8 de outubro de 2026 · turingpost.com
Publicado em 22 de novembro de 2025, o post descreve o LeJEPA, que combina a perda de predição em espaço latente do JEPA com o SIGReg para moldar embeddings em uma distribuição gaussiana isotrópica.
8 de outubro de 2026 · lemas-project.github.io
Publicação de 12 de janeiro de 2026 apresenta um dataset de áudio com 150 mil horas em 10 idiomas, timestamps por palavra e os modelos generativos LEMAS-TTS e LEMAS-Edit.
8 de outubro de 2026 · x.com
Publicação de 9 de maio de 2026 descreve um JEPA de 15 milhões de parâmetros treinado de ponta a ponta com pixels brutos e relata planejamento até 48 vezes mais rápido que world models baseados em modelos fundacionais em tarefas de controle.
8 de outubro de 2026 · arxiv.org
Post publicado em 5 de março de 2026: o LightRetriever relata consultas codificadas 1.000× mais rápido e throughput 10× maior, mantendo 95% do desempenho nos benchmarks.
8 de outubro de 2026 · github.com
Artigo da NeurIPS 2026 estuda a compressão em RAG pela geometria dos embeddings e afirma que uma grandeza espectral define um limite mínimo para comprimir.
8 de outubro de 2026 · lurklurk.org
Um guia publicado em 27 de maio de 2026 explica o processo de linking e sua utilidade para diagnosticar problemas de build e de linker em C e C++.
8 de outubro de 2026 · belkadan.com
Artigo de Jordan Rose, publicado em 2 de março de 2026, discute o equilíbrio entre tempo de inicialização e espaço em disco nas estratégias de linking dinâmico e estático.
8 de outubro de 2026 · x.com
Post publicado em 25 de maio de 2026 recomenda Linux Device Drivers como introdução à comunicação entre o kernel Linux e o hardware, para leitores com noções de C e chamadas de sistema Unix.
8 de outubro de 2026 · kernel.org
Publicada em 11 de abril de 2026, a documentação do kernel Linux aborda a detecção e o tratamento de bus locks no x86. Split locks podem afetar o desempenho do sistema.
8 de outubro de 2026 · videocardz.com
Em 30 de dezembro de 2025, a Lisuan informou que começou a enviar suas GPUs 7G100, fabricadas em 6 nm, aos primeiros clientes.
Respondo com escopo e proposta.
Procurando outra coisa?Perguntas frequentesGuiasContato
