Mensagem do Gate News, 20 de abril — Os principais modelos de IA se destacam ao resolver problemas complexos como matemática de olimpíada, mas têm dificuldade com o trabalho corporativo rotineiro, segundo David Meyer, da Databricks. Alguns modelos podem corrigir um número de fatura incorreto em vez de sinalizá-lo como erro, enquanto ferramentas de codificação como Claude também podem ficar aquém em tarefas de engenharia de dados.
A lacuna se origina de diferenças fundamentais entre os dados corporativos e o texto público da web usado para treinar modelos grandes. Os dados corporativos frequentemente têm rótulos de colunas pouco claros, muitos campos em branco e códigos armazenados como texto simples. Em um estudo acadêmico, a pontuação F1 de um modelo de IA, que equilibra precisão e recall, caiu de 0,94 em dados públicos para 0,07 em dados corporativos para uma tarefa de engenharia de dados. Além disso, modelos grandes tendem a voltar a padrões familiares do treinamento; alguns voltaram a Structured Query Language (SQL) mesmo depois de receber instruções e documentação para a linguagem proprietária de consultas de uma empresa.
Modelos menores de código aberto, ajustados com aprendizado por reforço, conseguem lidar com tarefas específicas de forma mais eficiente e com custos de treinamento significativamente menores do que modelos gerais grandes. A Databricks está construindo agentes de IA menores para fluxos de trabalho específicos, como KARL, que usa aprendizado por reforço para raciocínio em múltiplas etapas com documentos da empresa. A indústria está mudando da dependência de modelos gigantes para arquiteturas híbridas, em que modelos pequenos e eficientes lidam com o volume rotineiro e, então, escalam apenas casos pouco claros ou complexos para sistemas maiores e mais caros.
A Databricks adquiriu recentemente a Quotient AI para ajudar grandes empresas a executar agentes de IA com mais confiabilidade. A competição no negócio de IA agora se concentra em executar todo o ciclo de vida da IA, incluindo sistemas de feedback para rastrear erros e melhorar continuamente os modelos ao longo do tempo, tornando ferramentas de avaliação e ajuste cada vez mais valiosas após a implantação.
Aviso: As informações nesta página podem ser provenientes de terceiros e não representam as opiniões ou pontos de vista da Gate. O conteúdo exibido nesta página é apenas para referência e não constitui aconselhamento financeiro, de investimento ou jurídico. A Gate não garante a exatidão ou integridade das informações e não será responsável por quaisquer perdas decorrentes do uso dessas informações. Os investimentos em ativos virtuais apresentam altos riscos e estão sujeitos a uma volatilidade de preços significativa. Você pode perder todo o capital investido. Por favor, compreenda completamente os riscos envolvidos e tome decisões prudentes com base em sua própria situação financeira e tolerância ao risco. Para mais detalhes, consulte o
Aviso Legal.
Related Articles
Realidade dos Agentes de IA do Vale do Silício: desperdício massivo de tokens, integração de sistemas “extremamente caótica”; a previsão de Huang Renxun sobre o “próximo ChatGPT” ainda precisa ser verificada
Em recente conferência em Silicon Valley, vários CEOs de startups de IA comentaram os desafios de uso dos atuais agentes de IA, afirmando que existem dois grandes obstáculos: desperdício de tokens e confusão no sistema. Especialistas apontam que as empresas precisam julgar com mais cautela quando usar modelos de linguagem de grande porte, para evitar desperdício desnecessário de recursos. Além disso, a colaboração entre múltiplos agentes de IA frequentemente causa problemas na transmissão de mensagens e na consistência do estado, indicando que a padronização ainda precisa ser aprimorada. Embora a perspectiva mencionada por Huang Renxun sobre a métrica de tokens como “salário” seja observada, o feedback mostra que isso não equivale a produtividade; seu valor real está no desenho eficaz das tarefas.
ChainNewsAbmedia12h atrás
A IA devora 80% do capital global de venture capital, no 1T de 2026 leva 240 bilhões de dólares: como os players de cripto podem se adaptar à redistribuição de recursos
De acordo com um relatório, no primeiro trimestre de 2026 o total global de capital de venture ficou perto de US$ 300 bilhões, dos quais empresas relacionadas a IA responderam por cerca de US$ 242 bilhões, ou 80% do venture. Isso mostra que a IA se tornou o principal foco do venture. Com o capital se concentrando em IA, outras áreas como crypto foram pressionadas, e as empresas precisam ajustar suas estratégias, integrando IA de forma mais profunda às suas operações, além de esperar que surja uma tendência de consolidação de infraestrutura.
ChainNewsAbmedia17h atrás
Robô Humanoide de Honra vence a Meia Maratona de Yizhuang de Pequim 2026 em 50 minutos e 26 segundos
A Meia Maratona de Yizhuang de Pequim em 2026 teve robôs humanoides competindo em uma corrida de 21,0975 km. A equipe autônoma Qitian Dasheng venceu em 50:26, enquanto a equipe de controle remoto Jueying Chitu terminou em primeiro no tempo líquido, mas ficou em posição inferior devido a penalidades.
GateNews18h atrás
Polícia de Hong Kong alerta sobre golpe de criptomoedas de “trading quantitativo com IA”; mulher perde HK$7,7 milhões
A polícia de Hong Kong revelou uma fraude com criptomoedas em que uma mulher perdeu HK$7,7 milhões para golpistas que se passavam por especialistas em investimentos via Telegram, prometendo altos retornos por meio de negociação com IA. A polícia alertou o público sobre os riscos associados a investimentos em criptomoedas.
GateNews19h atrás
Cofundador da Ethereum Lubin: a IA será um ponto de virada crítico para o cripto, mas o monopólio de gigantes de tecnologia traz risco sistêmico
O cofundador da Ethereum, Joseph Lubin, destacou o potencial transformador da IA para o setor de criptomoedas, ao mesmo tempo em que alertou sobre os riscos de centralização entre gigantes da tecnologia. Ele prevê transações autônomas impulsionadas por IA na blockchain e destaca a convergência entre as finanças tradicionais e a DeFi.
GateNews04-18 14:01
Luffa faz parceria com plataforma de ativos digitais para integrar negociação cripto com IA
Luffa, um ecossistema social Web3, fez parceria com uma plataforma de negociação de ativos digitais para integrar recursos de negociação orientados por IA, aprimorando a comunicação segura e a negociação em uma interface unificada, mantendo a descentralização e a mitigação de riscos.
GateNews04-18 06:31
