Histórias consolidadas

Google está desativando totalmente a Busca em escolas que não querem IA The Verge

Anthropic acelera o Claude Code com threads de mensagens. Mas sua conta de tokens permanece a mesma. The New Stack

Previsão da AMD supera estimativas após demanda por chips de IA disparar Bloomberg.com

URL do Artigo: https://ben.stolovitz.com/posts/how-use-ai-oct-2026/ URL dos Comentários: https://news.ycombinator.com/item?id=50355767 Pontos: 32 # Comentários: 43

Até que a Computação de Próxima Geração Imploda, Continuarei Comprando Taiwan Semiconductor Yahoo Finance

Samsung, SK hynix e Micron estão enfrentando forte demanda por memória de data centers de IA, levando os fabricantes a priorizar produtos de servidor de margem mais alta e memória de alta largura de banda. Essa mudança está apertando o suprimento de DRAM convencional e NAND flash usados em smartphones, laptops e outros dispositivos de consumo. A pressão também afeta fabricantes menores, com a Fairphone relatando que a memória agora representa quase 60% do custo de materiais de alguns de seus telefones

Nvidia informou aos provedores de nuvem que utilizam seus produtos de data center que devem vender menos da metade de seus serviços para empresas chinesas como parte de uma nova política que impactará ainda mais a capacidade da China de acompanhar o surto global de IA.

OpenAI fecha acordo com empresa de petróleo para aplicar IA em operações de energia Times Brasil

Na semana passada, o Google lançou seu mais recente modelo de IA, Gemini 4 Carbon, liderando as tabelas de classificação de inteligência.

Como a Nvidia recuperou sua coroa da Apple em apenas 4 dias - Barr's

Alphabet: Meta vence em anúncios, mas a nuvem de IA do Google é mais lucrativa Seeking Alpha

OpenAI mantém limites Pro de $100, $200, $500 [2026] https://tech-insider.org/

Nvidia Diz a Clientes de Data Center para Reduzir Negócios na China, Diz FT Bloomberg

Google permitirá que escolas ignorem ferramentas de IA, mas terão que abrir mão da busca também Ars Technica

As pessoas odeiam data centers. Eles são barulhentos, consumidores de recursos e feios, tão profundamente impopulares que conseguiram alcançar o quase impossível no cenário político polarizado de hoje: oposição bipartidária genuína. Mas e os "compute campuses"? Eles parecem adoráveis, certo? A OpenAI parece estar apostando que uma rebranding discreta pode ser tudo o que é necessário para neutralizar o crescente …

Nvidia ordena clientes de data center a reduzir exposição à China: FT Yahoo Finance

OpenAI contrata ex-secretário do Exército dos EUA e amplia vínculos com o Pentágono Brasil 247

Empresa vinculada a OpenAI e Anthropic culpa ‘erro’ em ataques de IA Bloomberg.com

Pessoas, inclusive nesta equipe, continuam me perguntando com diferentes graus de entusiasmo ou apreensão quando a bolha da IA vai estourar. Eu digo o que digo a eles: Se eu soubesse disso, faria uma aposta que mudaria a vida no mercado, alavancada ao máximo que pudesse, e então, depois de ganhar meu dinheiro, […]

Um desenvolvedor diz que o aplicativo desktop do Postman instalou plugins no Claude Code e no OpenAI Codex sem a permissão deles. O aplicativo também O post Um desenvolvedor abriu o Postman. Então dois agentes de codificação de IA foram alterados sem a permissão deles. apareceu primeiro no The New Stack.

Bitcoin vs Nvidia: US$10,000 investidos há 5 anos, qual vale mais agora? 24/7 Wall St.

Mazin Gilbert, diretor executivo da Agentic AI Foundation da Linux Foundation, deixou o Google no início deste ano para liderar a nova AAIF, O post Os padrões de agentes conseguem acompanhar as empresas que os desenvolvem? apareceu primeiro no The New Stack.

Chamado FlashProve, o sistema permitiria que qualquer pessoa verificasse se uma resposta de IA realmente veio do modelo que afirma ser.

A espera de anos por acesso à rede e novas turbinas está fazendo com que construtores de centros de dados recorram a uma solução incomum, menos eficiente e menos ecológica: motores a jato descartados.

Heimstaden está transformando a gestão de imóveis residenciais com IA OpenAI

Regulamentação de vapes e tabaco aquecido divide Brasil e vizinhos Estadão

Ballistic Ventures, focada em cibersegurança, está buscando levantar $360 milhões para um novo fundo principal e mais $130 milhões para um veículo de investimento separado.

Empresas de semicondutores investem em desenvolvimento de talentos National Association of Manufacturers - NAM

URL do Artigo: https://arxiv.org/abs/2605.29713 URL dos Comentários: https://news.ycombinator.com/item?id=50358582 Pontos: 120 # Comentários: 12

Nvidia e outras ações de Big Tech impulsionam o mercado apesar de quedas da Apple e de grande parte de Wall Street Los Angeles Times

URL do Artigo: https://asia.nikkei.com/business/technology/artificial-intelligence/us-tech-giants-hidden-ai-debt-swells-90-to-3.2tn-in-6-months URL dos Comentários: https://news.ycombinator.com/item?id=50358422 Pontos: 97 # Comentários: 28

Para lhe dar algum contexto sobre o projeto. Sou um fundador solo e uso IA intensamente no meu trabalho. A ideia surgiu do desejo de que os jogadores descubram cidades. Cada cidade tem sua própria história, então cada caso se passa em uma cidade real com locais públicos reais. O crime e as pessoas, por outro lado, são inventados. A parte que mais me importa é o aspecto jogável do jogo, um modelo interpreta o detetive e deve resolver o caso antes que ele seja lançado. Até hoje: está gratuito no Android, a versão iOS ainda aguarda revisão da Apple. Está disponível em seis idiomas populares, mas adicionar mais idiomas é apenas uma questão de tempo e demanda. Minha visão de longo prazo, se decolar: casos semanais, festas privadas como um jogo de fuga para construção de equipes, um MCP para que um mestre de jogo possa criar seu próprio cenário a partir do ChatGPT ou Claude, e talvez escritórios de turismo, já que os jogadores viajam pelo mundo. URL dos comentários: https://news.ycombinator.c…

Palantir apresentou um relatório de resultados do terceiro trimestre tão enorme na segunda‑feira que seu comunicado de imprensa até se gabou de que os números estavam “esmagando as expectativas de consenso”. Ainda assim, os investidores de varejo foram mornos em relação à empresa na terça‑feira, com as ações negociando levemente em queda. Isso porque as vendas corporativas da Palantir, sua grande área de crescimento, mostraram sinais de desaceleração. Primeiro, o bom …

Hey HN, Ayan aqui da Finic. Estamos lançando o Kairos, uma alternativa de código aberto ao Sift, Sardine e outras plataformas de decisão de fraude em tempo real. O Kairos aborda dois dos maiores problemas das ferramentas de decisão tradicionais: a falta de dados rotulados para treinamento e lidar com fraudadores que estão constantemente mudando suas táticas. 1. Soluções tradicionais de fraude usam modelos de ML como XGBoost para detectar fraudes, mas esses modelos dependem de dados rotulados de qualidade, que muitas empresas não possuem. Nós resolvemos isso usando modelos de decisão “System One” além de modelos tradicionais como XGBoost e regressão logística. Isso permite incorporar perguntas em linguagem simples, como “Este é um e‑mail descartável?”, na sua decisão, contornando a necessidade de grandes quantidades de dados rotulados. Isso também permite capturar aspectos da fraude que são mais não estruturados, que é algo…

Dell Technologies Forum Brasil 2026 debate escalabilidade e governança da inteligência artificial corporativa Brasil Inovador

O fundador da Amazon, Jeff Bezos, e o ator Jason Statham têm uma característica distintiva em comum: ambos são famosos por serem calvos, e isso definitivamente não mudou nos últimos dias. No entanto, há algumas imagens dos dois circulando no X, Threads e Bluesky nas quais ambos têm substancialmente mais cabelo do que o habitual raspado […]

Nvidia vs. SK Hynix: Comparando trajetórias de receita trimestral The Motley Fool

Trane defende resfriamento híbrido para suportar avanço de data centers de inteligência artificial Brasil Inovador

Google afirma que não há como usar a Pesquisa sem usar inteligência artificial The Guardian

AHA lança nova página inicial sobre política e defesa da inteligência artificial American Hospital Association

Preço das ações da NVIDIA Corporation (NVDA), notícias, cotações e histórico Yahoo Finance UK

Apple agora permitirá que o Siri IA execute ações em aplicativos de terceiros. Como parte da atualização iOS 27.3, que será lançada na terça‑feira, a Apple anunciou que os desenvolvedores podem agora integrar os novos recursos do Siri IA em "todos os aplicativos", permitindo que o assistente de voz utilize o contexto pessoal do usuário, processe comandos em linguagem natural e use a percepção da tela para […]

TCU julgará futuro de parceria para desenvolver IA soberana no Brasil Congresso em Foco

Apple confirma que Siri AI terá limite de uso grátis no iOS Estadão

Decisão do TCU pode impactar desenvolvimento de IA nacional soberana Migalhas

Pesquisadores do Google estão lutando contra a empresa para contar ao mundo o que sabem sobre IA The Washington Post

Brasil entra em organização internacional de inteligência artificial liderada pela China Diário da Guanabara

De Troy ao Japão: UPWARDS expande oportunidades globais em educação de semicondutores Rensselaer Polytechnic Institute (RPI)

Revés para o Google enquanto assessor do tribunal da UE alerta que chatbot de IA pode violar regras de direitos autorais Reuters

A startup de cinco anos levantou uma rodada de US$ 1,3 bilhão liderada pela Bessemer

O CEO da Replit, Amjad Masad, está alertando que agentes de codificação de IA executados em dispositivos de funcionários estão se tornando um risco de segurança para o post 'Goldman Sachs restricted Claude Code for bankers — but made one surprising exception' que apareceu primeiro no The New Stack.

Tencent Cloud expande soluções de inteligência artificial corporativa e dobra base internacional de clientes ativos Brasil Inovador

Learning a universal action representation from video requires modeling dynamics that are consistent across different executions of the same action yet invariant to changes in embodiment and appearance. Existing latent action models infer actions from visual transitions, but their representations often entangle the underlying action with irrelevant visual variations, limiting transfer across embodiments. We introduce DreamX, which repurposes a pretrained video diffusion model as a universal latent action learner. Our approach extracts compact latent actions from the video model's rich spatiotemporal features, compressing each latent video frame by $\boldsymbol{300\times}$ ($\boldsymbol{1{,}200 \rightarrow 4}$ tokens). In addition, by leveraging the video model's generative prior, these latent actions capture action-relevant dynamics disentangled from visual appearance. The resulting lat…

For a decade, progress in artificial intelligence has been measured by how much a machine can do on its own. Large foundation models now write code and run multistep tasks, and personal agents act on a person's behalf. Yet people still forget what they once knew, miss what they are not looking at, fail to find the right words, and face hard choices without the benefit of their own history, because the machine that could help stands outside the situation. As AI moves into the physical world, attention has settled on one kind of intelligent individual, the embodied robot; we argue that the era of Physical AI holds a second kind of equal importance, the person augmented by AI. Alongside artificial general intelligence, which asks how intelligent a machine can be, stands AI-augmented human intelligence (AHI), which asks how much intelligence a machine can enable in a particular person. Real…

Direct Nash Optimization (DNO) aligns a language model to a general preference function by approximating the Nash equilibrium of a two-player preference game. Its practical variant, DNO-Prct, iterates on-policy sampling, LLM-based rating of the samples together with a teacher's gold response, large-margin preference-pair selection and a DPO-style contrastive update. We re-implement DNO-Prct independently and study it on two open-weight instruct models, Llama 3.1 8B Instruct and Mistral 7B Instruct v0.1, with GPT-4o or a larger open-weight model of the same family as the annotator. On AlpacaEval 2.0 with GPT-4o as judge, three iterations raise the length-controlled (LC) win rate against GPT-4o from 31.7% to 45.3% for Llama and from 6.8% to 18.4% for Mistral, and the tuned 8B model scores above Llama 3.1 70B Instruct on every reported win rate. With same-family open-weight annotators, the…

Inverse kinematics (IK) converts end-effector pose commands into joint motion, and many vision-language-action (VLA) policies rely on it to act on a given arm and to transfer across embodiments. Precise IK remains laborious: redundancy and singularities complicate the inverse mapping, execution depends on hand-tuned controllers, and training data on physical robots are costly to collect. We present PolicyIK, a goal-conditioned reinforcement learning policy for high-precision IK. It updates joint-position references from pose feedback and observes its accumulated reference relative to the measured joints, so it can retain the offset that the position controller needs at rest. Two-scale pose errors with an error-dependent action gain resolve millimeter residuals while preserving large motions. Progress and dwell rewards teach it to both reach the tolerance and stay within it. In simulatio…

Imitation learning policies in robotics are trained on datasets collected through costly real-world teleoperation. Often, the data-collection process is unguided, relying on the teleoperator's intuition, resulting in data that contributes little to overall policy performance. Recent work has shown that curating such unguided datasets can substantially improve policy performance, but these approaches operate by filtering existing datasets after collection and therefore do not prevent the acquisition of uninformative data. In this work, we propose GUILD, a novel Guided Data Collection (GDC) method that actively reasons about which data should be collected to maximize downstream policy performance. We introduce an iterative framework that alternates between 1) task proposal and data collection and 2) data evaluation to close the loop. For task proposal, we leverage semantic priors from vis…

Undesired model behaviors can emerge or re-emerge at any stage of training. Once observed, how effectively can we suppress them? To study this question, we first construct two model organisms--language models deliberately trained to exhibit a specific misalignment--that differ in what triggers the behavior. The narrow-trigger organism misbehaves only when the prompt contains a specific cue: it cheats on multiple-choice questions by following a planted hint that points to a wrong answer, and behaves normally otherwise. The broad-trigger organism has no such cue: after fine-tuning on insecure code, it gives harmful responses across a wide range of open-ended prompts. We then formalize post-hoc behavioral suppression and evaluate methods along three criteria: immediate suppression of the target behavior, durability under further training, and preservation of general capability. We compare …

When a language model answers, we can usually only estimate why. We build a transformer in which every step is a Born measurement - attention $|\langle q|k\rangle|^4$ normalised over each row, a measured product in place of the feed-forward nonlinearity, and a Born readout. With its denominators held at their values for the input, each class probability is a polynomial in the word amplitudes, so its integrated-gradient evidence is computed by a finite quadrature with no quadrature error: the words' contributions sum to the class probability above its no-information share, to $10^{-11}$ or better. On e-SNLI natural language inference, with about 98k parameters outside the embedding, the model reaches $76.98 \pm 0.17$% test accuracy, level with a softmax transformer of the same size ($76.62 \pm 0.36$%). Deleting the word its evidence ranks first changes the answer in 45% of test pairs, ou…

Given a class of machine learning models and sample access to a data distribution with binary labels, which computational task is harder: training a discriminative model that distinguishes positive and negative labels as well as the best member of the class, or training a generative model whose outputs are indistinguishable from real data by all members of the class? We prove that these two fundamental tasks in computational learning theory are not just closely related, but actually equivalent to each other in complexity. One direction of this equivalence was previously known. Indeed, the powerful regularity lemma in complexity theory gives an efficient oracle reduction from the indistinguishability task (a.k.a. multiaccuracy) to the distinguishing task (a.k.a. agnostic learning) in the style of boosting algorithms. Our main contribution is an efficient oracle reduction in the other dir…