25/05/2025 AI Express | Novidades em IA: Google lança modelo Gemma, Qlib de código aberto da Microsoft

O Langflow é uma poderosa ferramenta de visualização para criar e implementar agentes e fluxos de trabalho baseados em IA sem escrever qualquer código.

A ferramenta suporta todos os principais modelos de linguagem em grande escala (LLMs) e bases de dados vectoriais, proporcionando aos programadores uma grande flexibilidade. Com uma interface intuitiva de arrastar e largar, os utilizadores podem criar facilmente cenários complexos de aplicações de IA que abrangem uma vasta gama de domínios, desde o serviço ao cliente até à tomada de decisões automatizada.

Os principais pontos fortes da Langflow incluem:

• Totalmente open source com mais de 62.000 estrelas de suporte.
• Suporta vários conjuntos de tecnologias principais para garantir uma integração perfeita com os sistemas existentes.
• Fornece componentes predefinidos ricos para acelerar o processo de desenvolvimento.

A Langflow é certamente uma opção a considerar para empresas e indivíduos que procuram implementar rapidamente soluções de IA.

Ligação ao projeto: https://t.co/v3Gv4smWbv

A utilização infinita de ferramentas é uma ideia que dá que pensar.

Com apenas "utilização total da ferramenta" e apenas 8 ferramentas internas, o openai o3 já está a tornar o trabalho diário mais eficiente. Se esta visão for concretizada no futuro, o seu potencial é ilimitado.

Proposta principalÉ o Modelo de Linguagem Grande (MLG) ideal que apenas emite chamadas de ferramentas e respectivos parâmetros durante o raciocínio ou a criação; todos os estados específicos (por exemplo, memórias, rascunhos, produtos intermédios, objectivos, etc.) devem ser externalizados para ferramentas dedicadas. Desta forma, o modelo é responsável pelo raciocínio imediato e a ferramenta é responsável pelos estados persistentes e estruturados da tarefa, conseguindo uma divisão do trabalho e uma complementaridade entre os dois.

**Porquê a "instrumentalização infinita"? **

• Inteligência externalizada: a transferência de operações complexas para processos eficientes e específicos do domínio reduz significativamente a pressão da janela de contexto e melhora a qualidade dos resultados.
• Esquecimento explícito e retrocesso: Com as ferramentas de edição, os modelos podem ser eliminados e aperfeiçoados em camadas em qualquer altura, sem ter de gerar positivamente textos longos de uma só vez, reduzindo assim a acumulação de erros.

**Os cenários de exemplo** incluem:

• Escrita/edição de texto: A escrita humana é muitas vezes "saltar-rever-retornar"; com um editor de texto completo, os LLMs podem alternar entre vários níveis de granularidade como os humanos fazem, evitando as limitações da escrita "avançar uma vez".
• Geração 3D: Com bibliotecas CAD + ferramentas de visualização/rotação + ficheiros de notas, os modelos podem ser iterativamente moldados em objectos 3D a qualquer escala, em vez de serem limitados por um contexto de voxel fixo.
• Compreensão de vídeos longos: o modelo pode "ver" repetidamente clips, gravar/editar notas e analisar horas ou mesmo dias de vídeo numa janela limitada.

Além disso, a instrumentação infinita tem vantagens em termos de segurança e interpretabilidade. O controlo total da versão e as trajectórias de edição são visíveis tanto para os seres humanos como para os modelos, o que torna as potenciais falsificações mais dispendiosas em termos de "orçamento de inferência" e aumenta a credibilidade e a auditabilidade dos resultados.

O **Training Ideas** baseia-se fortemente na aprendizagem por reforço para treinar o modelo a aprender a planear e a corrigir no espaço da ferramenta. Uma vez que o contexto do modelo é limitado, é possível generalizar para contextos "infinitos", desde que possa ser recuperado e editado a partir de uma variedade de pontos de partida.

**O conceito arquitetónico** favorece estruturas com orçamentos/tokens de inferência constantes ou limitados, por exemplo, atenção de janela deslizante, SSM, RWKV, Mamba, etc., e incentiva o "esquecimento" para promover a separação das funções das ferramentas. Os autores propõem um conceito "híbrido invertido": uma camada local de atenção de janela deslizante de alta precisão, seguida de uma camada SSM de longo alcance, para obter uma dupla perspetiva macro + micro.

A utilização de ferramentas está atualmente disponível em o3, Agentic RAG, etc., mas ainda está limitada a contextos curtos e processos parciais. Os autores apelam a que todas as interações com o mundo exterior sejam feitas através de ferramentas e a que se avance para um verdadeiro "ferramental infinito", utilizando um modelo de armazenamento barato + custos de raciocínio limitados.

Recentemente, a Google lançou três variantes baseadas no modelo Gemma:MedGemmaeSignGemmaresponder com cânticosGolfinhoGemma. Estes modelos são optimizados para diferentes cenários de aplicação, respetivamente.

O MedGemma é um modelo concebido para o sector médico e está disponível em duas versões:

• Modelo Multimodal 4B: Este modelo é capaz de lidar com tarefas combinadas de imagem e texto e é particularmente adequado para dados médicos. Foi pré-treinado para radiografias de tórax, imagens dermatológicas, imagens oftalmológicas e lâminas de patologia.
• Modelo de raciocínio textual 27B: esta versão tem capacidades de processamento de texto simples mais poderosas e é adequada para tarefas de raciocínio em profundidade. Está também pré-treinado para dados de texto e imagens médicas, abrangendo uma vasta gama de dados médicos, tais como imagens radiológicas, lâminas patológicas, imagens oftálmicas, imagens dermatológicas, etc.

O SignGemma, por outro lado, é um modelo de intérprete de língua gestual que suporta várias línguas e permite a conversão da língua gestual em texto ou fala, melhorando consideravelmente a eficiência da comunicação da comunidade surda.

O DolphinGemma é um modelo de síntese de som único que se concentra na geração de sons de golfinhos. Este modelo tem aplicações potenciais na investigação e conservação da vida marinha.

O lançamento destes três modelos não só demonstra a força técnica da Google no domínio da inteligência artificial, como também promove a inovação e o desenvolvimento em domínios relacionados.

No GitHub, uma organização chamadaAgenticSeekO projeto de código aberto tem atraído muita atenção. O projeto fornece um sistema de agentes inteligentes localizados 100% concebido para substituir o Manus AI.

Com base em modelos de inferência local e na tecnologia de agentes inteligentes, o AgenticSeek é capaz de navegar autonomamente na Web, escrever código, planear tarefas e suportar funções de interação por voz, proporcionando aos utilizadores uma experiência semelhante à do Jarvis nos filmes do Iron Man.

• Funcionamento totalmente localizado:Todos os dados são mantidos no dispositivo, sem qualquer dependência da nuvem.
• Navegação inteligente na Web:Pesquisa automática de informações e preenchimento de formulários.
• Assistente de programação autónomo:Suporte para Python, C, Go, Java e muitas outras linguagens.
• Sistema de seleção de agentes inteligentes:Faz corresponder automaticamente o processamento de tarefas mais adequado.
• Caraterísticas de interação por voz:Suporta entrada de voz e saída de texto para voz.
• Execução de planeamento de missões complexas:Capacidade para dividir tarefas de grande dimensão em etapas a concluir.

O AgenticSeek fornece um tutorial detalhado de instalação e configuração, e é recomendável usar pelo menos modelos com parâmetros DeepSeek de 14B ou superior, o que requer algum desempenho do computador. Para desenvolvedores e pesquisadores, o AgenticSeek é uma ferramenta valiosa que pode melhorar muito a eficiência do trabalho e proteger a privacidade dos dados.

Ao escrever scripts de automatização utilizando o Selenium, os programadores deparam-se frequentemente com problemas de tempo de carregamento de elementos que provocam falhas nos testes. Além disso, o manuseamento manual de vários controladores de browser pode ser uma tarefa entediante e propensa a erros.

A fim de responder a estes desafios.SelénioBasenasceu. Trata-se de uma poderosa estrutura baseada em Python, concebida para simplificar o processo de testes de automatização da Web. Torna as operações complexas do browser simples e fiáveis, encapsulando profundamente o Selenium com vários utilitários incorporados.

As principais caraterísticas do SeleniumBase incluem:

• Mecanismo de espera inteligente para resolver automaticamente o problema de carregamento instável da página;
• Suporta uma variedade de métodos de escrita, como a herança de classe BaseCase e o gestor de contexto SB, para satisfazer diferentes necessidades de desenvolvimento;
• Modo UC modo furtivo para ajudar a contornar a deteção anti-rastreio, como o Cloudflare, e melhorar o sucesso do teste;
• Gere automaticamente relatórios de teste detalhados e painéis de controlo em tempo real, visualizando os resultados dos testes para colaboração da equipa e acompanhamento de problemas;
• Gere automaticamente os controladores do browser sem intervenção manual, reduzindo os custos de manutenção.

Para os profissionais envolvidos no desenvolvimento ou teste de aplicações Web, o SeleniumBase pode aumentar significativamente a produtividade e reduzir os erros causados por ambientes mal configurados.

Endereço do projeto no GitHub: https://github.com/seleniumbase/SeleniumBase

Código-fonte aberto da Microsoft no GitHubProjeto QlibO Qlib, provavelmente a plataforma de investimento quantitativo de IA mais completa da indústria atualmente, ganhou mais de 20 mil estrelas até agora. Com base num poderoso motor de processamento de dados e numa rica biblioteca de modelos, a Qlib abrange uma variedade de paradigmas, como a aprendizagem supervisionada, a aprendizagem por reforço, etc., ajudando os programadores a construir rapidamente um processo de investigação quantitativa completo, desde a ideia à produção.

As principais caraterísticas do Qlib incluem:

• Servidores de dados eficientes que processam dezenas de vezes mais depressa do que as bases de dados tradicionais;
• Integrar mais de 30 modelos de quantificação de última geração, incluindo Transformer, LSTM, LightGBM e muito mais;
• As estratégias de negociação de aprendizagem por reforço são apoiadas pela capacidade de modelar um processo contínuo de tomada de decisões de investimento;
• Abrangendo toda a cadeia de investimento: pesquisa de factores, modelização do risco, otimização da carteira, execução de ordens;
• Fornecer uma ferramenta de pesquisa automatizada qrun, com um clique para completar todo o processo, desde a modelação até ao backtesting;
• Suporta a adaptação dinâmica do mercado e o processamento de desvios de conceito para melhorar a estabilidade do modelo.

O Qlib não só fornece tutoriais detalhados para a implementação e instalação, como também é particularmente adequado para programadores que pretendam trabalhar no domínio da IA financeira para investigação e aprendizagem.

O Qlib é uma ferramenta valiosa para as empresas de fintech e os investidores individuais compreenderem melhor e aplicarem a tecnologia de IA a cenários do mundo real nos mercados financeiros.

A UQLM é uma biblioteca para a deteção de ilusões em modelos de linguagem de grande dimensão (LLM), quantificando a incerteza através de múltiplos métodos de pontuação. Esta técnica é crucial para melhorar a fiabilidade e a precisão das aplicações de IA.

A UQLM integra-se perfeitamente com a plataforma LangChain, facilitando aos programadores a criação e implementação de aplicações de IA mais fiáveis. A biblioteca suporta uma variedade de métodos de pontuação, incluindo, mas não se limitando a, métodos baseados em probabilidade, métodos baseados em calibração e métodos baseados em confiança.

cenário de aplicação::

• Deteção de erros em tarefas de processamento de linguagem natural (PNL)
• Maior fiabilidade dos chatbots e assistentes virtuais
• Controlo de qualidade da geração automática de texto

O surgimento do UQLM constitui uma ferramenta poderosa para resolver o problema da incerteza e da ilusão nos modelos de IA em aplicações práticas e ajuda a promover o desenvolvimento da tecnologia de IA.

Para mais informações, visite: UQLM Official Website

Só passaram quatro dias desde que a Google apresentou o Veo 3 e o novo produto já está a fazer furor em todo o mundo.

Os utilizadores já estão a criar conteúdos incríveis com o Veo 3. Aqui estão 13 desses exemplos fantásticos:

• Personagens com IA autoconsciente: estas personagens são capazes de auto-aprendizagem e de evoluir, demonstrando capacidades de interação sem precedentes.

A tecnologia inovadora do Veo 3 não só revoluciona os efeitos visuais, como também revela novas possibilidades no domínio da inteligência artificial e da aprendizagem automática. A disponibilidade desta ferramenta permite aos criadores exprimir a sua criatividade de formas nunca antes possíveis, quer se trate de desenvolvimento de jogos, realidade virtual ou produção cinematográfica.

cenário de aplicaçãoIncluindo, mas não se limitando a:

• NPCs (personagens não-jogadores) altamente inteligentes no desenvolvimento de jogos
• Interação imersiva em experiências de realidade virtual
• Geração de caracteres realistas para efeitos cinematográficos

À medida que mais utilizadores começam a explorar as funcionalidades do Veo 3, há razões para acreditar que este produto continuará a liderar o caminho da inovação nos próximos anos.

As aplicações clássicas da Microsoft, o Bloco de notas e o Paint, receberam recentemente novas funcionalidades alimentadas por inteligência artificial (IA) que oferecem aos utilizadores mais criatividade e ganhos de eficiência.

O Bloco de notas integra agora um assistente de IA chamado "Escrever" para gerar e otimizar o conteúdo do texto. Esta funcionalidade não só ajuda os utilizadores a escrever documentos rapidamente, como também melhora a qualidade e a eficiência da escrita através do processamento de linguagem natural.

PinturaA nova funcionalidade "Autocolantes IA" permite aos utilizadores gerar automaticamente autocolantes personalizados através de uma simples introdução ou de esboços. Esta funcionalidade utiliza o reconhecimento de imagens e a geração de modelos para permitir que os utilizadores concretizem rapidamente as suas ideias e as personalizem de acordo com as suas necessidades.

A ferramenta de recorte também foi actualizada com a funcionalidade "Captura de ecrã perfeita" que optimiza automaticamente a qualidade das capturas de ecrã e um prático seletor de cores incorporado que facilita a seleção e utilização de cores nas capturas de ecrã.

Estas novas funcionalidades não só melhoram a experiência do utilizador, como também demonstram o potencial da tecnologia de IA para ser amplamente utilizada em aplicações quotidianas.

Em notícias interessantes para utilizadores empresariais e pessoais, é agora possível ligar contas Box e Dropbox à funcionalidade Deep Research do ChatGPT. Esta nova funcionalidade permite aos utilizadores aceder a ficheiros e dados armazenados na Box e Dropbox diretamente enquanto utilizam o ChatGPT.

Com esta integração, os utilizadores podem aproveitar mais facilmente as poderosas capacidades de processamento de linguagem natural do ChatGPT para analisar, resumir e extrair dados armazenados na nuvem. Isto é especialmente útil para profissionais que necessitam de efetuar análises de texto e pesquisas extensivas.

Os cenários de aplicação incluem:

• Pesquisa de mercado
• Análise da literatura académica
• Gestão de documentos internos

Esta integração perfeita não só melhora a produtividade, como também oferece aos utilizadores uma nova perspetiva sobre a análise de dados.

Tanto as empresas como os utilizadores individuais podem gerir e utilizar melhor os seus recursos de dados com esta funcionalidade. Para mais pormenores, visite:https://t.co/owNtgrPSV8