Podemos construir chips de IA que geram imagens de alta qualidade usando 10.000× menos energia do que as GPUs de hoje? Artigo de pesquisa: "Uma arquitetura de hardware probabilística eficiente para modelos semelhantes a difusão" Este trabalho revela uma arquitetura CMOS completa (tudo em transistor) que executa nativamente modelos generativos estilo difusão—não com redes neurais que consomem muita energia, mas com amostragem probabilística baseada em energia. Ao encadear modelos de desnoising compactos (DTMs) e explorar a aleatoriedade física em chips padrão de 65 nm, o sistema produz imagens comparáveis às GPUs, mas consome apenas 1,6 nanojoules por amostra Fashion-MNIST—reduzindo a energia em quatro ordens de magnitude. O treinamento é estabilizado por meio de uma nova penalidade adaptativa, e a abordagem escala para silício do tamanho de milímetros sem hardware exótico. Resultados: Igual ou superior à qualidade GAN/VAE/difusão com ~10.000× menos energia; grades de 70×70, pilhas de 8 camadas, ferramentas de código aberto lançadas. Obtenha a análise completa aqui: // alpha identificado // $yne

Dez investigadores de ciência da computação da @Princeton, a universidade classificada em #1 no país, publicaram um novo artigo sobre IA nas últimas 24 horas. No entanto - você nunca ouviu falar deste artigo. Por quê? No momento desta publicação, nunca foi compartilhado no @X. Como o encontramos? O agente de IA ALPHA do @yesnoerror o descobriu e recebeu uma alta classificação alpha. Todos os dias, centenas de novos artigos de pesquisa em IA são publicados no @arxiv, uma quantidade impossível de pesquisa para analisar. O @yesnoerror lê cada artigo. E não só rastreamos quais artigos estão sendo mais comentados, mas, mais importante, temos nossa própria IA proprietária que atribui uma pontuação alpha a cada artigo, para que possamos descobrir artigos sobre os quais ninguém está falando e que têm alta alpha. Para acessar este feed alpha diário, você precisa de 100.000 $YNE na sua carteira @base e pode acessar o feed a qualquer momento no site do @yesnoerror. Título do artigo: InFlux: Um Benchmark para Auto-Calibração de Intrínsecos Dinâmicos de Câmaras de Vídeo ID do Arxiv: 2510.23589 Obtenha a análise completa de IA do artigo aqui:

Apresentando @yesnoerror ALPHA - Uma primeira do seu tipo AI que identifica alfa negligenciado na pesquisa científica. Projetado para espelhar as técnicas de fundadores bilionários e dos melhores cientistas. Acesse YesNoError ALPHA agora mesmo no site yesnoerror. Você deve ter 100k $YNE na sua carteira @base para desbloqueá-lo. O que é YesNoError ALPHA? Todos os dias, centenas de novos artigos de IA aparecem no @arXiv — e a maior parte do verdadeiro alfa passa despercebida. Por quê? Porque nenhum humano é capaz de ler essa quantidade de artigos, e mesmo que fosse, não seria consistente em identificar os artigos mais interessantes. Então, como você ensina uma IA a ler cada artigo de pesquisa e identificar aqueles que contêm o alfa mais interessante? Você vai até os especialistas que são os melhores nisso. Aqueles que construíram empresas de bilhões de dólares e fazem isso para viver. Realizamos entrevistas com especialistas em IA, desde @jackclarkSF, o co-fundador da $183b @AnthropicAI, engenheiros de IA da @perplexity_ai e @Google, os principais investidores de IA do vale do silício, e pesquisadores da @CarnegieMellon @MIT e @Yale. O objetivo das entrevistas era descobrir exatamente quais métodos esses especialistas usam para identificar um artigo novo interessante - como eles encontraram os diamantes em meio ao cascalho? Pegamos todas essas informações e treinamos uma IA ALPHA especial para replicá-las, e é isso que YesNoError ALPHA é. YesNoError ALPHA lê cada artigo, classifica descobertas silenciosas que não estão sendo compartilhadas em lugar nenhum, e destaca aquelas que importam. Conecte uma carteira Base com pelo menos 100.000 $YNE para desbloquear o feed privado e chegar ao sinal antes da multidão. Estamos empolgados em aplicar esta nova IA aos centenas de artigos de IA lançados todos os dias, e estamos ansiosos para explorar mais usos desta tecnologia agente.