Referência
Glossário de IA
219 termos que você encontra ao escolher ferramentas, modelos e agentes de IA e ao construir com eles, cada um definido em uma ou duas frases, explicado e com fontes.
#
- τ-bench
- O τ-bench (tau-bench) é um benchmark que testa agentes de IA em conversas simuladas de atendimento ao cliente, em que um modelo de linguagem faz o papel do usuário e o agente precisa usar ferramentas de API do domínio seguindo regras de política escritas.
A
- Abliteration
- A abliteration (remoção da direção de recusa) é uma técnica que impede um modelo de linguagem de recusar pedidos: ela encontra a única direção interna que carrega a recusa e edita os pesos para que o modelo não consiga mais escrever nela, sem nenhum retreinamento.
- Agent skills
- Agent skills (habilidades de agente) são pastas de instruções, scripts e arquivos de referência, cada uma descrita por um arquivo SKILL.md, que um agente de IA pode descobrir e carregar apenas quando uma tarefa precisa delas.
- Agente de IA
- Um agente de IA é um sistema em que um modelo de linguagem decide seus próprios próximos passos: chama ferramentas, lê os resultados e repete até concluir a tarefa, em vez de seguir um roteiro fixo.
- Agente de navegador
- Um agente de navegador (browser agent) é um agente de IA que controla um navegador web para concluir tarefas, como pesquisar, clicar, preencher formulários e ler páginas, muitas vezes rodando um navegador headless, sem janela visível.
- Agente de programação
- Um agente de programação (coding agent) é um agente de IA que trabalha diretamente no software: lê uma base de código, edita arquivos, roda comandos e testes, e repete até que uma mudan ça funcione, em vez de apenas sugerir código para uma pessoa colar.
- AI Act da UE
- O AI Act da UE (Lei de IA da União Europeia), Regulamento (UE) 2024/1689, é a lei da União Europeia sobre inteligência artificial. Ele define regras baseadas em risco para quem constrói e implanta sistemas de IA, de proibições totais a deveres de transparência, aplicadas em fases a partir de 2025.
- AIME (benchmark)
- O AIME, American Invitational Mathematics Examination, é uma competição de matemática dos EUA com 15 questões e respostas inteiras de 0 a 999; laboratórios de IA usam suas provas anteriores, como a AIME 2025, como benchmark de raciocínio matemático.
- Alinhamento de IA
- Alinhamento de IA (AI alignment) é o trabalho de fazer o comportamento de um sistema de IA corresponder ao que seus usuários e desenvolvedores realmente pretendem, para que ele seja útil, honesto e evite danos, em vez de apenas prever o texto provável ou otimizar uma métrica estreita.
- Alucinação (IA)
- Uma alucinação (hallucination) é uma saída de um modelo de IA que soa fluente e confiante, mas é falsa, não tem apoio nas fontes ou foi inventada, como uma citação, uma frase, uma estatística ou uma função de API que não existem.
- Análise de layout
- A análise de layout (layout analysis) é a parte do parsing de documentos que encontra as regiões de uma página, como títulos, parágrafos, tabelas, figuras, legendas e rodapés, rotula cada uma e descobre a ordem em que uma pessoa as leria.
- API compatível com a OpenAI
- Uma API compatível com a OpenAI (OpenAI-compatible API) é um endpoint de outro provedor ou ferramenta que aceita o mesmo formato de requisição e resposta da API da OpenAI, então o código escrito para a OpenAI pode mudar para ela trocando a URL base, a chave e o nome do modelo.
- ARC-AGI
- O ARC-AGI é uma série de benchmarks, criada por François Chollet e mantida pelo ARC Prize, que testa se um sistema de IA consegue resolver quebra-cabeças de raciocínio novos, que nunca viu antes, medindo a eficiência com que ele aprende, e não o que ele sabe.
- Arquivo de instruções do agente (AGENTS.md)
- Um arquivo de instruções do agente é um arquivo Markdown em um repositório de código, como AGENTS.md ou CLAUDE.md, que um agente de programação lê no início de uma sessão para aprender os comandos, as convenções e as regras do projeto.
- Artificial Analysis Intelligence Index
- O Artificial Analysis Intelligence Index é uma pontuação composta da empresa de benchmarking Artificial Analysis que combina várias avaliações, abrangendo trabalho do conhecimento, programação, ciências e conhecimentos gerais, em um único número para comparar modelos de linguagem.
- Assistente de IA
- Um assistente de IA é um produto de software, geralmente construído sobre um grande modelo de linguagem, que recebe pedidos em linguagem comum e responde a perguntas ou conclui tarefas para uma pessoa, como fazem o ChatGPT, o Claude e o Gemini.
- Ataque à cadeia de suprimentos de IA
- Um ataque à cadeia de suprimentos de IA (supply-chain attack) compromete uma aplicação de IA por meio de algo de que ela depende, como um modelo baixado, um adaptador LoRA, um conjunto de dados, um pacote Python, um servidor MCP ou uma agent skill, em vez de atacar a aplicação diretamente.
- Automação de fluxos de trabalho (IA)
- A automação de fluxos de trabalho com IA (AI workflow automation) é o uso de ferramentas como Zapier, Make ou n8n para encadear gatilhos, ações em apps e chamadas a modelos em um processo que roda sozinho, como resumir cada novo ticket de suporte.
- Avaliação de LLM
- Avaliação de LLM (LLM evaluation), muitas vezes chamada de evals, é medir o quão bem um modelo ou uma aplicação de IA executa uma tarefa, rodando-o em um conjunto de casos de teste e pontuando as saídas segundo critérios definidos, por código, por pessoas ou por outro modelo.
- Avaliação humana
- Avaliação humana (human evaluation) é julgar saídas de IA com pessoas, e não com métricas automáticas, por exemplo avaliadores que pontuam respostas segundo uma rubrica ou escolhem a melhor de duas respostas anônimas em um teste cego.
- Avatar de IA
- Um avatar de IA é um personagem de vídeo gerado, muitas vezes baseado em uma pessoa real, que fala um roteiro ou respostas ao vivo com movimentos de rosto, lábios e cabeça correspondentes.
B
- Banco de dados vetorial
- Um banco de dados vetorial (vector database) armazena embeddings junto com seus registros de origem e encontra os vetores guardados mais próximos de um vetor de consulta, geralmente com um índice aproximado para que a busca continue rápida em milhões de itens.
- Base de conhecimento (IA)
- Em apps de IA, uma base de conhecimento (knowledge base) é a coleção de documentos e dados que um assistente ou agente consulta para responder a perguntas, como artigos de ajuda, políticas ou documentação de produto, mantida separada do próprio modelo.
- Batch API
- Uma batch API (API de processamento em lote) permite enviar um grande conjunto de requisições de modelo em um único job e coletar os resultados depois, em vez de esperar por cada chamada. Os provedores rodam o job quando há capacidade e geralmente cobram menos por ele.
- Benchmark de IA
- Um benchmark de IA (teste de referência) é um conjunto fixo e público de tarefas com um método de pontuação acordado, usado para comparar modelos no mesmo teste, por exemplo problemas de código resolvidos, questões de prova respondidas ou qualidade de recuperação em muitos conjuntos de dados.
- BM25
- O BM25 é uma fórmula de ranqueamento para busca por palavras-chave. Ele pontua cada documento pela frequência com que as palavras da consulta aparecem nele, dando mais peso a palavras raras e menos crédito a documentos longos e termos repetidos.
- BrowseComp
- O BrowseComp é um benchmark da OpenAI com 1.266 perguntas difíceis que testa se um agente de navegação consegue pesquisar a web com persistência atrás de fatos emaranhados e difíceis de achar, com respostas curtas e fáceis de verificar.
- Busca aproximada de vizinhos mais próximos
- A busca aproximada de vizinhos mais próximos (approximate nearest neighbor, ANN) encontra vetores próximos a uma consulta sem verificar cada vetor armazenado. Ela abre mão da garantia da melhor correspondência exata em troca de uma busca muito mais rápida em grandes coleções.
- Busca híbrida
- A busca híbrida (hybrid search) faz uma busca por palavras-chave e uma busca vetorial na mesma consulta e mescla as duas listas ordenadas, para que os resultados possam corresponder tanto às palavras exatas quanto ao significado.
- Busca vetorial
- A busca vetorial (vector search) encontra itens comparando seus embeddings com o embedding de uma consulta e devolvendo os mais próximos, para que os resultados correspondam pelo significado e não por palavras-chave em comum.
C
- Chain-of-thought
- Chain-of-thought (CoT, cadeia de raciocínio) é um método de prompting em que um modelo de linguagem escreve passos intermediários de raciocínio antes da resposta final, o que tende a melhorar os resultados em matemática, lógica e outros problemas de vários passos.
- Chamada de ferramentas
- Chamada de ferramentas (tool calling), também chamada de chamada de funções (function calling), é um recurso de APIs de modelos em que você descreve funções com um schema, o modelo responde com um pedido estruturado para chamar uma delas, e o seu código a executa e devolve o resultado.
- Chave de API
- Uma chave de API (API key) é uma string secreta que uma aplicação envia com cada requisição para que um serviço saiba qual conta está chamando, aplique seus limites e faça a cobrança. Quem tem a chave geralmente consegue usá-la.
- Chunking
- Chunking (divisão em trechos) é a etapa que divide documentos longos em passagens menores antes de gerar seus embeddings e indexá-los, para que um sistema de recuperação possa encontrar e devolver apenas as partes de um documento que respondem a uma consulta.
- Cliente MCP
- Um cliente MCP (MCP client) é a parte de uma aplicação de IA que mantém uma conexão com um servidor MCP, negociando capacidades e levando requisições, resultados e notificações entre esse servidor e o app host.
- Clonagem de voz
- A clonagem de voz (voice cloning) é o uso de IA para fazer um sistema de text-to-speech falar com a voz de uma pessoa específica, aprendida a partir de uma gravação dela. Alguns sistemas precisam só de uma amostra curta.
- Compactação de contexto
- Compactação de contexto (context compaction) é a etapa em que um agente resume uma conversa que está chegando ao limite da janela de contexto e continua em uma janela nova que começa a partir desse resumo, para que uma tarefa longa possa seguir.
- Contaminação de benchmark
- Contaminação de benchmark (benchmark contamination) é quando um modelo viu as questões ou respostas de teste de um benchmark durante o treinamento, de modo que sua pontuação nesse benchmark exagera o quanto ele lida bem com problemas novos do mesmo tipo.
- Context engineering
- Context engineering (engenharia de contexto) é a prática de escolher e manter tudo o que entra na janela de contexto de um modelo de linguagem durante uma tarefa: instruções, documentos recuperados, definições de ferramentas, resultados de ferramentas e histórico da conversa.
- Context rot
- Context rot (degradação do contexto) é a queda na acurácia e na confiabilidade de um modelo de linguagem à medida que sua entrada fica mais longa, mesmo quando a entrada ainda cabe na janela de contexto e a informação necessária está presente.
- Continuous batching
- Continuous batching (agrupamento contínuo) é uma técnica de serving de modelos que acrescenta novas requisições ao lote em execução na GPU e remove as concluídas a cada passo de geração, em vez de esperar que um lote inteiro termine. Ela mantém a GPU ocupada e aumenta o throughput.
- ControlNet
- O ControlNet é um complemento de rede neural que permite a um modelo de difusão text-to-image seguir um guia estrutural, como um mapa de bordas, um mapa de profundidade ou uma pose humana, além do prompt de texto.
- CPU offloading
- CPU offloading (descarregamento para a CPU) roda um modelo que não cabe na memória da GPU mantendo algumas de suas camadas na RAM do sistema, ou em disco, e usando a GPU para o resto. O modelo roda, mas mais devagar.
- Crawler de IA
- Um crawler de IA (rastreador de IA) é um bot automatizado operado por uma empresa de IA que busca páginas da web para coletar dados de treinamento, montar um índice de busca com IA ou carregar uma página na hora quando um usuário pergunta a um assistente sobre ela.
- Credenciais de conteúdo C2PA
- As credenciais de conteúdo C2PA (Content Credentials) são registros de procedência assinados, definidos por um padrão aberto da Coalition for Content Provenance and Authenticity, que acompanham uma imagem, um vídeo, um arquivo de áudio ou um documento e registram sua origem e suas edições.
- Criador de apps de IA no-code
- Um criador de apps de IA no-code (no-code AI app builder) é uma ferramenta que transforma uma descrição em linguagem comum ou um editor visual em um app funcionando, geralmente com hospedagem e banco de dados incluídos, para que as pessoas lancem software sem escrever código.
- Cross-encoder
- Um cross-encoder é um modelo que lê uma consulta e um documento juntos, em uma única passada, e produz uma pontuação de relevância. Ele é mais preciso do que comparar embeddings separados, mas lento demais para rodar sobre uma coleção inteira.
D
- Dados de treinamento de IA
- Dados de treinamento de IA são o conjunto de exemplos com que um modelo aprende, como texto da web, código, imagens, transcrições ou pares rotulados. Seu tamanho, qualidade, composição e licenciamento definem o que o modelo consegue fazer e onde ele falha.
- Dados sintéticos
- Dados sintéticos (synthetic data) são dados de treinamento ou de teste gerados por software, muitas vezes por outro modelo de IA, em vez de coletados de fontes do mundo real. São usados para preencher lacunas, adicionar exemplos a baixo custo ou evitar expor dados pessoais reais.
- Deep research (IA)
- Deep research (pesquisa aprofundada) é um recurso de agentes de IA que planeja uma pergunta de pesquisa, faz muitas buscas na web, lê as fontes que encontra e escreve um relatório longo com citações, levando minutos em vez de segundos.
- Deepfake
- Um deepfake é um conteúdo de imagem, áudio ou vídeo criado ou alterado com IA para mostrar de forma convincente uma pessoa, um lugar ou um evento real de um jeito que não aconteceu e que poderia passar por autêntico.
- Destilação de conhecimento
- A destilação de conhecimento (knowledge distillation) é um método de treinamento em que um modelo aluno menor aprende a imitar as saídas de um modelo professor maior, produzindo um modelo destilado que mantém boa parte da habilidade do professor a um custo menor.
- Diarização de locutores
- A diarização de locutores (speaker diarization) é a tarefa de dividir uma gravação de áudio por locutor, rotulando cada trecho de fala com quem o disse. Ela responde à pergunta "quem falou quando".
- Dimensão do embedding
- A dimensão do embedding (embedding dimension) é o número de valores em cada vetor que um modelo de embedding produz. Mais dimensões podem guardar mais detalhes, mas cada valor extra acrescenta custo de armazenamento, memória e busca por item.
- Direct preference optimization
- Direct preference optimization (DPO, otimização direta de preferências) é uma forma de alinhar um modelo de linguagem às preferências humanas treinando-o diretamente com pares de respostas preferidas e rejeitadas, usando uma função de perda simples, do tipo classificação, em vez de um modelo de recompensa e aprendizado por reforço.
E
- Editor de código com IA
- Um editor de código com IA é um editor de código ou IDE com modelos de linguagem embutidos, que oferece autocompletar, chat sobre a base de código e um modo de agente capaz de planejar e fazer mudanças em muitos arquivos.
- Embedding
- Um embedding (representação vetorial) é uma lista de números (um vetor) que representa um trecho de texto, uma imagem ou outros dados, produzida de forma que itens com significado parecido acabem com vetores próximos entre si.
- Embeddings Matryoshka
- Embeddings Matryoshka são vetores treinados para que seus primeiros valores carreguem a maior parte da informação. Você pode cortá-los para um tamanho menor e ainda obter resultados de busca úteis, o que economiza armazenamento e acelera a busca.
- Exfiltração de dados (agentes de IA)
- Exfiltração de dados, no caso de agentes de IA, é quando um atacante engana um agente para que ele leia dados privados a que tem acesso e os envie para fora, por uma requisição web, um e-mail, um link de imagem ou outro canal que o atacante controla.
- Extração de tabelas
- A extração de tabelas (table extraction) é a tarefa de encontrar tabelas em documentos e reconstruir suas linhas, colunas, cabeçalhos e células como dados estruturados, como HTML, Markdown ou CSV, em vez de linhas soltas de texto.
F
- Fallback de modelo
- Fallback de modelo (modelo de reserva) é uma regra que envia uma requisição a um modelo ou provedor reserva quando a primeira opção falha, estoura o tempo, atinge um rate limit ou rejeita a entrada. Ele mantém um recurso de IA funcionando durante quedas.
- Few-shot prompting
- Few-shot prompting (prompting com poucos exemplos) é dar a um modelo de linguagem um punhado de exemplos resolvidos de uma tarefa dentro do prompt, para que ele copie o padrão em uma nova entrada sem nenhum retreinamento.
- Filtragem por metadados
- A filtragem por metadados (metadata filtering) limita uma busca a itens cujos atributos armazenados, como data, autor, idioma ou grupo de acesso, atendem a condições dadas, junto com ou antes de ordená-los por similaridade vetorial.
- Fine-tuning
- Fine-tuning (ajuste fino) é o treinamento adicional de um modelo pré-treinado em um conjunto de dados menor e específico para uma tarefa, para que o modelo adote uma habilidade, um formato, um tom ou um domínio particular sem ser treinado do zero.
- Framework de agentes
- Um framework de agentes é uma biblioteca de software que fornece as partes comuns de um agente de IA, como o loop de ferramentas, o estado, a memória, as transferências entre agentes e o rastreamento, para que os desenvolvedores não precisem construí-las do zero.
G
- Generative engine optimization
- Generative engine optimization (GEO, otimização para mecanismos generativos) é a prática de moldar o conteúdo web para que mecanismos de busca com IA e assistentes de chat o encontrem, o citem e o referenciem nas respostas que geram.
- GGUF
- GGUF é um formato de arquivo binário para guardar os pesos, o tokenizer e os metadados de um modelo em um único arquivo, feito para carregamento rápido e inferência local com ferramentas baseadas em GGML, como o llama.cpp, muitas vezes em forma quantizada.
- Golden dataset
- Um golden dataset (conjunto de referência) é um conjunto fixo e cuidadosamente verificado de entradas de exemplo associadas às respostas ou ao comportamento esperados, usado como referência quando você avalia ou faz testes de regressão em um sistema de IA.
- GPQA
- O GPQA (Graduate-Level Google-Proof Q&A) é um benchmark de 448 questões difíceis de múltipla escolha em biologia, física e química, escritas por especialistas para que não especialistas qualificados não consigam respondê-las nem com busca ilimitada na web.
- GPU
- Uma GPU (graphics processing unit, unidade de processamento gráfico) é um processador com muitos núcleos pequenos, feito para executar muitos cálculos em paralelo. Sua velocidade em operações com matrizes faz dela o hardware padrão para treinar e rodar modelos de IA.
- GPU serverless
- GPU serverless (serverless GPU) é um modelo de nuvem em que você implanta código ou um modelo e a plataforma inicia workers de GPU só quando chegam requisições, cobrando pelo tempo em que rodam e escalando a zero quando ociosa.
- Grafo de conhecimento
- Um grafo de conhecimento (knowledge graph) guarda informações como entidades (pessoas, produtos, lugares, conceitos) conectadas por relações nomeadas, para que um software possa seguir as ligações entre fatos em vez de buscar em texto solto.
- Grande modelo de linguagem
- Um grande modelo de linguagem (large language model, LLM) é uma rede neural com bilhões de parâmetros, treinada com grandes quantidades de texto para prever o próximo token, o que permite a ele escrever, responder a perguntas, resumir e seguir instruções.
- GraphRAG
- GraphRAG é uma abordagem de recuperação em que um LLM primeiro constrói um grafo de conhecimento a partir de uma coleção de documentos e escreve resumos de grupos de entidades relacionadas, e depois responde a perguntas usando esses resumos e as ligações do grafo.
- Grounding
- Grounding (ancoragem) é ligar a resposta de um modelo de linguagem a fontes específicas e verificáveis, como resultados de busca, documentos ou um banco de dados, para que suas afirmações se apoiem em evidências fornecidas, e não apenas nos dados de treinamento.
- Guardrails (IA)
- Guardrails (barreiras de proteção) são verificações em tempo de execução colocadas ao redor de um modelo de linguagem que inspecionam entradas e saídas e as bloqueiam, reescrevem ou redirecionam, para que uma aplicação se mantenha no assunto, evite conteúdo nocivo e siga regras que o modelo sozinho não cumpriria de forma confiável.
- Guidance scale (CFG)
- A guidance scale (escala de orientação), ou CFG scale, é uma configuração de geradores de imagem por difusão que controla com que força a saída segue o prompt. Valores mais altos seguem o prompt mais de perto, mas reduzem a variedade.
H
- Harness de agente
- Um harness de agente (a estrutura de execução ao redor do modelo) é o software que transforma um modelo em um agente funcional: o loop, as ferramentas, o prompt de sistema, as permissões, o gerenciamento de contexto e quaisquer arquivos usados para levar o progresso de uma sessão para outra.
- HNSW
- O HNSW (hierarchical navigable small world) é um índice baseado em grafos para busca aproximada de vizinhos mais próximos. Ele liga os vetores a seus vizinhos em várias camadas, para que uma busca possa saltar rapidamente em direção às correspondências mais próximas.
- Hooks de agente
- Hooks de agente (ganchos) são comandos ou scripts definidos pelo usuário que um agente de programação executa automaticamente em pontos fixos do seu trabalho, como antes de uma chamada de ferramenta ou depois da edição de um arquivo, para verificar, bloquear ou ampliar o que ele faz.
- Human-in-the-loop
- Human-in-the-loop (HITL, humano no circuito) é um design em que um sistema de IA pausa em pontos escolhidos para que uma pessoa aprove, corrija ou rejeite o próximo passo, para que ações arriscadas ou incertas não sejam tomadas automaticamente.
- HumanEval
- O HumanEval é um benchmark de geração de código lançado pela OpenAI em 2021: 164 problemas de Python escritos à mão, cada um com assinatura de função, docstring e testes unitários, usados para verificar se um modelo escreve código que de fato funciona.
- Humanity's Last Exam
- O Humanity's Last Exam (HLE) é um benchmark de 2.500 questões escritas por especialistas em dezenas de disciplinas, construído para ser muito difícil para modelos de IA, com respostas claras e verificáveis que não podem ser encontradas rapidamente na internet.
I
- IA agêntica
- IA agêntica (agentic AI) descreve um software em que um modelo de linguagem tem algum controle sobre como uma tarefa é feita: ele planeja passos, escolhe ferramentas e age com base nos resultados, com mais autonomia do que um único prompt e uma resposta.
- IA open source
- IA open source (open source AI) é um sistema de IA lançado sob termos que permitem a qualquer pessoa usá-lo, estudá-lo, modificá-lo e compartilhá-lo, com acesso às partes necessárias para alterá-lo: informações dos dados de treinamento, código completo e parâmetros do modelo.
- Image-to-image
- Image-to-image (imagem para imagem) é a tarefa de gerar uma nova imagem a partir de uma existente mais um prompt, mantendo parte da estrutura da original enquanto muda estilo, detalhes ou conteúdo.
- Image-to-video
- Image-to-video (imagem para vídeo) é a tarefa de transformar uma imagem estática em um clipe curto de vídeo, geralmente com a imagem como primeiro quadro e um prompt de texto descrevendo o movimento.
- Inferência
- Inferência (inference) é rodar um modelo treinado para produzir uma saída a partir de uma nova entrada, como um LLM gerando uma resposta a um prompt. É a etapa pela qual os usuários pagam toda vez que chamam um modelo, em oposição ao treinamento.
- Inpainting e outpainting
- Inpainting (preenchimento interno) é preencher uma região mascarada de uma imagem com conteúdo novo gerado que combine com o resto da imagem. Outpainting é a mesma ideia aplicada fora das bordas, estendendo a imagem além do seu quadro.
J
- Jailbreak (LLM)
- Um jailbreak é um prompt ou uma técnica que faz um modelo de linguagem produzir uma saída que seu treinamento de segurança deveria recusar, como instruções nocivas, por meio de role-play, ofuscação, codificações incomuns ou textos adversariais longos.
- Janela de contexto
- Uma janela de contexto (context window) é a quantidade máxima de texto, contada em tokens, que um modelo de linguagem consegue considerar de uma vez, incluindo o prompt de sistema, a conversa, os documentos, os resultados de ferramentas e a resposta que ele escreve.
K
- Knowledge cutoff
- O knowledge cutoff (data de corte do conhecimento) é a data depois da qual um modelo tem pouca ou nenhuma informação, porque seus dados de treinamento foram coletados até mais ou menos esse ponto. Eventos posteriores são desconhecidos, a menos que sejam fornecidos no prompt.
- KV cache
- Um KV cache (cache de chaves e valores) guarda as keys e os values de atenção que um transformer já calculou para os tokens anteriores, para que cada novo token só precise do trabalho referente a ele. Ele acelera a geração, mas ocupa memória da GPU que cresce com o tamanho do contexto.
L
- Late interaction (ColBERT)
- Late interaction (interação tardia) é um método de recuperação, apresentado pelo ColBERT, que codifica a consulta e cada documento separadamente em um vetor por token e depois pontua uma correspondência comparando esses vetores de token em uma etapa final barata.
- Leaderboard (IA)
- Um leaderboard de IA (tabela de classificação) é um ranking público de modelos segundo suas pontuações em um ou mais benchmarks ou em votos de preferência humana, atualizado à medida que novos modelos são testados, para que os leitores possam comparar modelos lado a lado.
- Licença de modelo
- Uma licença de modelo (model license) são os termos legais sob os quais os pesos de um modelo, e às vezes seu código e dados, podem ser usados, modificados e compartilhados. Os termos vão de licenças abertas permissivas a licenças não comerciais ou restritas personalizadas.
- Lip sync (vídeo com IA)
- Lip sync com IA (sincronização labial) é o uso de um modelo para mudar os movimentos da boca de uma pessoa em um vídeo ou imagem para que correspondam a uma nova faixa de áudio, como uma fala traduzida ou reescrita.
- LLM gateway
- Um LLM gateway (gateway de LLMs) é um servidor proxy entre as suas aplicações e os provedores de modelos que expõe uma única API e cuida de chaves, roteamento, fallbacks, rate limits, logs e controle de gastos em um só lugar.
- LLM local
- Um LLM local é um modelo de linguagem que roda no seu próprio computador, celular ou servidor em vez da API em nuvem de um provedor, então prompts e dados ficam no seu hardware e ele funciona sem conexão com a internet.
- LLM-as-a-judge
- LLM-as-a-judge (LLM como juiz) é um método de avaliação em que um modelo de linguagem forte corrige as saídas de outro modelo ou aplicação, usando uma rubrica, uma resposta de referência ou uma comparação lado a lado, no lugar de revisores humanos ou junto com eles.
- llms.txt
- llms.txt é uma convenção proposta em que um site publica um arquivo Markdown, geralmente em /llms.txt, que resume o site e aponta para suas páginas mais úteis em um formato que modelos de linguagem leem com facilidade.
- LMArena
- O LMArena, conhecido primeiro como Chatbot Arena, é uma plataforma pública que classifica modelos de IA por votos humanos coletivos: os usuários veem dois modelos anônimos responderem ao mesmo prompt e escolhem a melhor resposta.
- Loop do agente
- O loop do agente (ciclo do agente) é o ciclo repetido no centro de um agente de IA: o modelo pede uma chamada de ferramenta, a aplicação a executa e devolve o resultado, e o modelo decide o que fazer em seguida.
- LoRA
- LoRA (low-rank adaptation, adaptação de baixo posto) é um método de fine-tuning que congela os pesos originais de um modelo e treina pequenas matrizes de baixo posto adicionadas às suas camadas, então muito menos parâmetros mudam e é preciso bem menos memória de GPU.
M
- Marca d'água de IA
- Marca d'água de IA (AI watermarking) é a inserção de um sinal oculto e detectável por máquina em texto, imagens, áudio ou vídeo no momento em que um modelo de IA os gera, para que um software possa depois identificar o conteúdo como gerado por IA.
- Mecanismo de atenção
- Um mecanismo de atenção (attention) permite que uma rede neural decida, para cada token que processa, quanto peso dar a cada um dos outros tokens da entrada. A self-attention (autoatenção) é a operação central dentro de um transformer.
- Mecanismo de busca com IA
- Um mecanismo de busca com IA é um serviço de busca que faz pesquisas na web para uma consulta, lê os resultados com um modelo de linguagem e devolve uma resposta escrita com links para suas fontes, em vez de apenas uma lista de links.
- Memória de agente
- Memória de agente é o conjunto de técnicas que permitem a um agente de IA guardar informações além de uma única janela de contexto, como fatos sobre um usuário ou trabalhos anteriores, armazenando-as fora do modelo e carregando-as de volta quando necessário.
- Memória unificada
- A memória unificada (unified memory) é um design em que a CPU e a GPU compartilham um único conjunto de memória em vez de cada uma ter o seu. Em Macs com Apple Silicon e chips parecidos, ela permite que um modelo de IA local use a maior parte da RAM do sistema como memória de GPU.
- Métricas de recuperação (recall@k, nDCG, MRR)
- Métricas de recuperação (retrieval metrics) avaliam quão bem um sistema de busca retorna documentos relevantes. O recall@k verifica quantos itens relevantes aparecem entre os k primeiros, o nDCG recompensa colocá-los no alto e o MRR mede quão cedo aparece o primeiro correto.
- Mixture of experts
- Mixture of experts (MoE, mistura de especialistas) é um design de modelo em que cada camada tem várias sub-redes especialistas e um roteador envia cada token a apenas algumas delas, então só parte do modelo roda por token.
- MMLU
- O MMLU (Massive Multitask Language Understanding) é um benchmark de múltipla escolha que cobre 57 matérias, de matemática elementar e história dos EUA a direito e ciência da computação, e testa o conhecimento amplo e a resolução de problemas de um modelo de linguagem.
- Model card
- Um model card (ficha do modelo) é um documento curto publicado com um modelo de machine learning que explica para que ele serve, como foi treinado e avaliado, onde tem desempenho ruim e como deve e não deve ser usado.
- Model Context Protocol
- O Model Context Protocol (MCP) é um padrão aberto que define como aplicações de IA se conectam a ferramentas, dados e prompts externos, usando mensagens JSON-RPC entre uma aplicação host, seus clientes e servidores separados.
- Model serving
- Model serving (servir modelos) é rodar um modelo treinado como um serviço que as aplicações chamam pela rede, com um software que carrega os pesos nas GPUs, enfileira e agrupa requisições, gerencia a memória e retorna os resultados.
- Modelo autorregressivo
- Um modelo autorregressivo gera uma sequência um pedaço por vez, prevendo cada próximo token a partir de todos os tokens anteriores e realimentando essa saída como entrada. A maioria dos grandes modelos de linguagem funciona assim.
- Modelo base
- Um modelo base (base model) é um modelo de linguagem recém-saído do pré-treinamento, antes do ajuste por instruções ou do treinamento com feedback humano. Ele continua qualquer texto que receba, em vez de seguir instruções ou manter uma conversa.
- Modelo de decisão
- Um modelo de decisão (decision model) é um modelo feito para devolver uma resposta tipada, como uma escolha de uma lista, uma nota em uma rubrica ou uma probabilidade de sim ou não, em vez de gerar texto livre.
- Modelo de difusão
- Um modelo de difusão (diffusion model) é um modelo generativo que aprende a transformar ruído aleatório em dados, como uma imagem, removendo um pouco de ruído por vez ao longo de muitos passos.
- Modelo de fronteira
- Um modelo de fronteira (frontier model) é um dos modelos de IA de uso geral mais capazes disponíveis em um dado momento, geralmente de um laboratório com muitos recursos. O termo é relativo e também aparece em políticas de segurança de IA.
- Modelo de fundação
- Um modelo de fundação (foundation model) é um modelo grande treinado com dados amplos em escala, que pode ser adaptado a muitas tarefas diferentes, por prompting ou fine-tuning, em vez de ser construído para uma única tarefa.
- Modelo de linguagem de difusão
- Um modelo de linguagem de difusão (dLLM) gera texto partindo de uma sequência totalmente mascarada ou ruidosa e refinando muitas posições de token em paralelo ao longo de vários passos, em vez de escrever um token por vez.
- Modelo de linguagem pequeno
- Um modelo de linguagem pequeno (small language model, SLM) é um modelo de linguagem com relativamente poucos parâmetros, geralmente alguns bilhões ou menos, feito para rodar em um notebook, celular ou uma única GPU a um custo menor que um modelo grande.
- Modelo de raciocínio
- Um modelo de raciocínio (reasoning model) é um modelo de linguagem treinado para trabalhar um problema em um fluxo de tokens de pensamento intermediários antes de dar a resposta final, o que tende a ajudar em matemática, código e tarefas com várias etapas.
- Modelo instruct
- Um modelo instruct (modelo ajustado por instruções) é um modelo de linguagem base que passou por treinamento adicional com instruções associadas a boas respostas, e muitas vezes com feedback humano, para que siga pedidos em vez de apenas continuar texto.
- Modelo multimodal
- Um modelo multimodal (multimodal model) é um modelo de IA que consegue receber, e às vezes produzir, mais de um tipo de dado, como texto, imagens, áudio ou vídeo, dentro de um único modelo em vez de sistemas separados.
- Modelo open-weight
- Um modelo open-weight (modelo de pesos abertos) é um modelo cujos pesos treinados são publicados para qualquer pessoa baixar e rodar, muitas vezes sem o código de treinamento ou os dados completos, então ele não é necessariamente open source.
- Modelo speech-to-speech
- Um modelo speech-to-speech (de fala para fala) recebe áudio falado e produz áudio falado diretamente, sem converter primeiro a fala em texto e de volta. Ele é usado em conversas por voz ao vivo e em tradução.
- MTEB
- O MTEB, Massive Text Embedding Benchmark, é um benchmark público com leaderboard que avalia modelos de embedding de texto em muitos tipos de tarefa, como recuperação, clustering, classificação e reranking, sobre muitos datasets e idiomas.
N
- NPU
- Uma NPU (neural processing unit, unidade de processamento neural) é um chip, ou um bloco dentro de um chip maior, feito para rodar os cálculos de redes neurais com rapidez e pouco consumo de energia. Celulares e notebooks usam NPUs para rodar pequenos modelos de IA no próprio aparelho.
- Nuvem de GPU
- Uma nuvem de GPU (GPU cloud) é um serviço que aluga máquinas com GPU por hora ou por segundo para treinamento, fine-tuning e inferência de IA. Provedores especializados, às vezes chamados de neoclouds, focam em GPUs e muitas vezes cobram menos do que as grandes nuvens generalistas.
O
- OAuth para agentes de IA
- OAuth para agentes de IA é o uso do padrão de autorização OAuth para permitir que um agente ou cliente MCP aja em nome de um usuário com um token de acesso limitado e revogável, em vez de guardar a senha do usuário ou uma API key ampla.
- Observabilidade de LLM
- A observabilidade de LLM (LLM observability) é registrar o que uma aplicação de IA faz em produção, incluindo prompts, respostas, chamadas de ferramentas, latência, uso de tokens e custo, como traces pesquisáveis, para que você possa depurar falhas e ver como o sistema se comporta ao longo do tempo.
- ONNX
- O ONNX (Open Neural Network Exchange) é um formato de arquivo aberto para modelos de machine learning. Ele descreve um modelo como um grafo de operadores padrão, para que possa ser treinado em um framework e rodado em outro.
- Orquestração de agentes
- Orquestração de agentes é o controle de quais agentes ou chamadas de modelo rodam em uma aplicação, em que ordem e como cada próximo passo é escolhido, seja por um modelo que toma a decisão, seja por código fixo.
- OSWorld
- O OSWorld é um benchmark para agentes de computer use que roda sistemas operacionais reais como Ubuntu, Windows e macOS e avalia os agentes em 369 tarefas abertas em apps web e desktop, verificadas por scripts.
P
- PagedAttention
- PagedAttention é um método para armazenar o KV cache de um modelo de linguagem em pequenos blocos de tamanho fixo que não precisam ficar lado a lado na memória da GPU, como páginas em um sistema operacional. Ele reduz a memória desperdiçada para que um servidor rode mais requisições ao mesmo tempo.
- Parameter-efficient fine-tuning
- O parameter-efficient fine-tuning (PEFT, fine-tuning eficiente em parâmetros) adapta um modelo pré-treinado treinando apenas um pequeno número de parâmetros novos ou selecionados e deixando o resto congelado. Ele reduz a memória, o processamento e o armazenamento que o fine-tuning completo exige.
- Parâmetros do modelo
- Os parâmetros do modelo (model parameters) são os números que uma rede neural aprende no treinamento, principalmente pesos. A contagem de parâmetros, escrita como 7B para sete bilhões, é a forma usual de indicar o tamanho de um modelo.
- Parsing de documentos
- O parsing de documentos (análise de documentos) converte arquivos como PDFs, digitalizações, apresentações e planilhas em texto estruturado que um software consegue usar, mantendo títulos, ordem de leitura, tabelas e imagens, em vez de um fluxo plano de caracteres.
- pass@k
- pass@k é uma métrica para benchmarks de código que dá a chance de pelo menos uma de k soluções geradas para um problema passar nos testes unitários; pass@1 é a chance de uma única tentativa dar certo.
- Permissões de agente
- Permissões de agente são as regras que decidem quais ferramentas, arquivos, comandos, redes e contas um agente de IA pode usar, e quais ações precisam antes da aprovação de uma pessoa, para que um agente que erra ou é manipulado cause danos limitados.
- Pesos do modelo
- Os pesos do modelo (model weights) são os números aprendidos dentro de uma rede neural, definidos durante o treinamento, que decidem como ela transforma a entrada em saída. Um checkpoint é um arquivo salvo, ou conjunto de arquivos, contendo esses pesos.
- Pré-treinamento
- O pré-treinamento (pretraining) é a primeira e maior etapa do treinamento de um modelo, em que ele aprende padrões gerais a partir de um dataset enorme sem rótulos, geralmente prevendo o próximo token, antes de qualquer ajuste para uma tarefa específica.
- Precisão numérica (FP16, BF16, FP8)
- A precisão numérica é o formato de número usado para armazenar os pesos de um modelo e fazer seus cálculos, como FP32, FP16, BF16, FP8 ou INT4. Menos bits por número significam menos memória e inferência mais rápida, com algum risco para a acurácia.
- Preço por token
- O preço por token (token pricing) é a forma como a maioria das APIs de modelos de IA cobra: um preço fixo por milhão de tokens de entrada que você envia e um preço separado, geralmente mais alto, por milhão de tokens de saída que o modelo gera, com descontos para entrada em cache e jobs em lote.
- Prompt caching
- Prompt caching (cache de prompt) é um recurso de API que guarda a forma processada de um prefixo de prompt repetido, como um system prompt longo ou um documento, para que requisições posteriores que começam com o mesmo prefixo fiquem mais baratas e rápidas.
- Prompt engineering
- Prompt engineering (engenharia de prompt) é a prática de escrever, estruturar e testar as instruções e exemplos dados a um modelo de linguagem para que ele produza a saída de que uma aplicação precisa, sem mudar os pesos do modelo.
- Prompt injection
- Prompt injection (injeção de prompt) é um ataque em que um texto enviado a um modelo de linguagem, digitado por um usuário ou escondido em uma página web, arquivo ou resultado de ferramenta, muda o comportamento do modelo de formas que o desenvolvedor não pretendia.
- Protocolo Agent2Agent
- O protocolo Agent2Agent (A2A) é um padrão aberto que permite que agentes de IA construídos em frameworks diferentes e por fornecedores diferentes se encontrem, deleguem tarefas e troquem resultados sem expor suas ferramentas ou memória internas.
- Provedor de inferência
- Um provedor de inferência (inference provider) é uma empresa que roda modelos de IA no próprio hardware e vende acesso a eles por meio de uma API, geralmente cobrando por token. Você envia prompts e recebe saídas sem gerenciar GPUs.
Q
- Quantização
- A quantização (quantization) é uma técnica que armazena os pesos de um modelo, e às vezes as ativações, com menos bits, como 8 ou 4 em vez de 16, para que o modelo precise de menos memória e muitas vezes rode mais rápido, com algum custo em acurácia.
R
- RAG agêntico
- RAG agêntico (agentic RAG) é a geração aumentada por recuperação conduzida por um agente de IA que decide quando buscar, o que buscar e qual fonte usar, e pode buscar de novo se os primeiros resultados não bastarem.
- Rate limit (API)
- Um rate limit (limite de taxa) restringe quanto uma conta pode usar uma API em uma janela de tempo, normalmente em requisições por minuto (RPM) e tokens por minuto (TPM). Requisições acima do limite são rejeitadas, geralmente com um erro HTTP 429.
- Rating Elo (arenas de modelos)
- Um rating Elo, em arenas de modelos, é uma pontuação calculada a partir de muitos votos em confrontos diretos entre pares de modelos, de modo que a diferença entre duas pontuações prevê com que frequência a resposta de um modelo será preferida à do outro.
- ReAct (raciocinar e agir)
- ReAct (reasoning and acting, raciocinar e agir) é um padrão de prompting em que um modelo de linguagem alterna entre escrever uma etapa de raciocínio, executar uma ação como uma busca ou chamada de ferramenta, e ler o resultado antes da próxima etapa.
- Reconhecimento óptico de caracteres
- O reconhecimento óptico de caracteres (OCR) é um software que lê texto em imagens, como páginas digitalizadas, fotos ou capturas de tela, e o transforma em caracteres legíveis por máquina que podem ser pesquisados, copiados ou enviados a um modelo.
- Recuperação esparsa
- A recuperação esparsa (sparse retrieval) representa consultas e documentos como vetores sobre um vocabulário em que a maioria das entradas é zero e cada entrada diferente de zero é o peso de uma palavra, para que a busca use índices invertidos rápidos como na busca por palavra-chave.
- Red teaming de IA
- Red teaming de IA (AI red teaming) é a prática de atacar deliberadamente um modelo ou uma aplicação de IA antes e depois do lançamento, com testadores humanos ou ferramentas automáticas, para encontrar saídas nocivas, jailbreaks, injeções e outras falhas e corrigi-las.
- Redação de PII
- A redação de PII (PII redaction) é a detecção e remoção ou mascaramento de informações de identificação pessoal, como nomes, telefones, endereços e números de cartão, em textos ou imagens antes de serem enviados a um modelo, guardados em logs ou mostrados a outras pessoas.
- Reescrita de consultas
- A reescrita de consultas (query rewriting) altera a pergunta de um usuário antes da busca, por exemplo esclarecendo-a, dividindo-a ou adicionando termos relacionados, para que o retriever tenha mais chance de encontrar os trechos que a respondem.
- Reranking
- Reranking (reordenação) é uma segunda etapa de busca que pega uma lista curta de documentos candidatos e os reordena por relevância para a consulta, usando um modelo mais preciso, porém mais lento, que o da primeira busca.
- Residência de dados
- Residência de dados (data residency) é um controle que mantém os dados de um cliente armazenados, e muitas vezes processados, em uma região geográfica escolhida, como a UE, para que uma equipe possa cumprir suas próprias regras legais, contratuais ou de clientes sobre onde os dados ficam.
- Resources e prompts do MCP
- Resources e prompts do MCP são duas coisas que um servidor MCP pode oferecer além de ferramentas. Resources são dados, cada um com uma URI, que um app pode adicionar ao contexto; prompts são modelos de mensagem reutilizáveis que o usuário escolhe rodar.
- Retrieval-augmented generation
- Retrieval-augmented generation (RAG, geração aumentada por recuperação) é um padrão em que um sistema primeiro busca em uma coleção de documentos os trechos relevantes para uma pergunta e depois entrega esses trechos a um modelo de linguagem para que a resposta se baseie neles.
- Reward model
- Um reward model (modelo de recompensa) é um modelo separado, treinado com dados de preferência humana, que dá uma nota para a qualidade de uma resposta. O aprendizado por reforço então usa essa nota para ajustar um modelo de linguagem na direção das respostas que as pessoas preferem.
- RLHF
- O RLHF (reinforcement learning from human feedback, aprendizado por reforço a partir de feedback humano) faz o fine-tuning de um modelo de linguagem usando rankings humanos das suas respostas: um reward model aprende essas preferências, e o aprendizado por reforço empurra o modelo para respostas com nota alta.
- Roteamento de LLM
- O roteamento de LLM (LLM routing) é a prática de enviar cada requisição ao modelo de linguagem mais adequado a ela, muitas vezes um modelo barato para prompts fáceis e um mais forte para prompts difíceis, para equilibrar custo, velocidade e qualidade.
S
- Safetensors
- Safetensors é um formato de arquivo do Hugging Face para armazenar pesos de modelos. Ao contrário dos arquivos pickle do Python, carregá-lo não pode executar código oculto, e ele permite carregar tensores individuais de forma rápida, com mapeamento em memória.
- Sandbox de agente
- Um sandbox de agente é um ambiente isolado, como um contêiner, uma máquina virtual ou uma restrição do sistema operacional, em que um agente de IA executa código e comandos sem conseguir alcançar arquivos, redes ou dados fora de limites definidos.
- Self-hosting (modelos de IA)
- Fazer self-hosting (hospedagem própria) de um modelo de IA significa rodá-lo em hardware que você controla, como seus próprios servidores, GPUs alugadas ou um notebook, em vez de chamar a API de um provedor. Você escolhe o modelo e fica com os dados, mas opera a infraestrutura.
- Semantic cache
- Um semantic cache (cache semântico) guarda respostas anteriores de um LLM e devolve uma delas quando uma nova requisição significa mais ou menos o mesmo que uma anterior, julgado por similaridade de embeddings em vez de correspondência exata de texto. Ele economiza custo e latência em perguntas repetidas.
- Servidor MCP
- Um servidor MCP (MCP server) é um programa que expõe ferramentas, resources de dados ou modelos de prompt a aplicações de IA por meio do Model Context Protocol, para que qualquer cliente compatível com MCP possa usá-los sem código de integração personalizado.
- Similaridade de cosseno
- A similaridade de cosseno (cosine similarity) mede o quanto dois vetores se parecem pelo ângulo entre eles. Ela vai de -1 a 1, ignora o comprimento dos vetores e é a forma mais comum de comparar embeddings em buscas.
- Sistema multiagente
- Um sistema multiagente (multi-agent system) é uma configuração em que vários agentes de IA, cada um com suas próprias instruções, ferramentas e contexto, trabalham em partes de uma tarefa e passam resultados uns aos outros ou a um agente coordenador.
- Slash command
- Um slash command (comando de barra) é uma instrução digitada com uma barra no início, como /compact ou /review, que diz a uma ferramenta de IA para executar uma ação embutida ou um prompt salvo em vez de tratar o texto como uma mensagem comum.
- SOC 2
- O SOC 2 é um relatório de auditoria, produzido por uma firma de auditoria CPA externa segundo as normas do AICPA, sobre os controles de uma organização prestadora de serviços relativos a segurança, disponibilidade, integridade de processamento, confidencialidade ou privacidade.
- Spec-driven development
- Spec-driven development (desenvolvimento orientado por especificação) é uma forma de trabalhar com coding agents em que você primeiro escreve uma especificação do que construir e por quê, e depois faz o agente transformá-la em um plano, uma lista de tarefas e, por fim, código.
- Speculative decoding
- O speculative decoding (decodificação especulativa) acelera a geração de texto deixando um modelo rascunho pequeno e rápido propor vários tokens, que o modelo grande então verifica em uma única passada, mantendo os aceitos. A saída é igual à que o modelo grande produziria sozinho.
- Speech-to-text
- Speech-to-text (fala para texto), também chamado de reconhecimento automático de fala (ASR), é um software que converte áudio falado em texto escrito. Ele está por trás de transcrições, legendas, comandos de voz e da parte que escuta nos voice agents.
- State space model
- Um state space model (SSM, modelo de espaço de estados) é um modelo de sequência que leva adiante um estado oculto de tamanho fixo enquanto lê cada token, então seu custo cresce de forma linear com o tamanho da entrada. O Mamba é o exemplo mais conhecido.
- Streaming (saída de LLM)
- O streaming envia a saída de um LLM ao cliente aos poucos, conforme os tokens são gerados, em vez de esperar a resposta completa. Os usuários veem o texto aparecer em instantes, mesmo quando a resposta inteira demora bem mais.
- Structured output
- Structured output (saída estruturada) é um recurso de API que faz a resposta de um modelo de linguagem seguir um formato que você define, geralmente um JSON schema, para que o código possa processá-la com confiabilidade em vez de garimpar texto livre.
- Subagente
- Um subagente (subagent) é um agente auxiliar a quem um agente principal entrega uma tarefa. Ele trabalha em uma janela de contexto própria e nova, muitas vezes com suas próprias instruções e ferramentas, e devolve só um resumo do resultado.
- Supervised fine-tuning
- O supervised fine-tuning (SFT, fine-tuning supervisionado) continua o treinamento de um modelo pré-treinado com exemplos de prompts pareados com as respostas que você quer. É o primeiro passo usual para transformar um modelo base em um que segue instruções.
- SWE-bench
- O SWE-bench é um benchmark de código construído a partir de issues reais do GitHub em projetos Python populares; um modelo ou agente precisa editar o repositório para que a issue seja corrigida e os testes ocultos do projeto passem.
- System prompt
- Um system prompt (prompt de sistema) é o bloco de instruções que uma aplicação envia a um modelo de linguagem antes das mensagens do usuário. Ele define o papel, as regras, o tom e o formato de saída do modelo para a conversa inteira.
T
- Temperature (amostragem)
- A temperature (temperatura) é uma configuração de amostragem que controla quão aleatórias são as escolhas de palavras de um modelo de linguagem. Valores baixos o fazem favorecer os tokens mais prováveis; valores mais altos espalham as escolhas entre os menos prováveis.
- Tensor parallelism
- O tensor parallelism (paralelismo de tensores) divide cada camada de uma rede neural entre várias GPUs, para que cada GPU guarde parte de cada matriz de pesos e calcule sua parcela de cada passo. Ele permite que um modelo grande demais para uma GPU rode em várias.
- Terminal-Bench
- O Terminal-Bench é um benchmark para agentes de IA que trabalham em um terminal de linha de comando, em que cada tarefa dá ao agente um ambiente real e é avaliada por testes que verificam se o trabalho foi realmente feito.
- Test-time compute
- Test-time compute (processamento em tempo de teste) é a quantidade de computação que um modelo gasta ao responder a uma requisição, e não durante o treinamento. Deixar um modelo pensar por mais tempo ou tentar várias respostas pode melhorar os resultados em problemas difíceis.
- Testes de regressão (apps de LLM)
- Testes de regressão para apps de LLM significam rodar de novo um conjunto fixo de casos de avaliação após cada mudança em um prompt, modelo, configuração de recuperação ou ferramenta, para pegar casos que funcionavam e agora falham.
- Text-to-3D
- Text-to-3D (texto para 3D) é a tarefa de gerar um objeto ou cena 3D a partir de um prompt escrito. O image-to-3D faz o mesmo a partir de uma ou mais fotos. O resultado pode ser visto de qualquer ângulo.
- Text-to-image
- Text-to-image (texto para imagem) é a tarefa de gerar uma nova imagem a partir de uma descrição escrita, chamada de prompt. A maioria dos modelos text-to-image atuais são modelos de difusão condicionados pelo texto.
- Text-to-music
- Text-to-music (texto para música) é a tarefa de gerar áudio musical a partir de uma descrição escrita, como gênero, clima, instrumentos e andamento. Alguns sistemas também escrevem e cantam letras.
- Text-to-speech
- Text-to-speech (TTS, texto para fala) é um software que transforma texto escrito em áudio falado. O TTS moderno usa redes neurais que preveem o som da fala a partir do texto e depois o renderizam como forma de onda.
- Text-to-video
- Text-to-video (texto para vídeo) é a tarefa de gerar um videoclipe curto a partir de um prompt escrito. Os modelos precisam produzir quadros que pareçam corretos individualmente e também se movam de forma consistente de um quadro para o outro.
- Time to first token
- Time to first token (TTFT, tempo até o primeiro token) é quanto um usuário espera entre enviar uma requisição a um modelo de linguagem e receber o primeiro token da resposta, incluindo fila, processamento do prompt e tempo de rede.
- Token (LLM)
- Um token (LLM) é a unidade básica de texto que um modelo de linguagem lê e escreve, muitas vezes uma palavra, parte de uma palavra, um sinal de pontuação ou um byte. Preços, velocidade e limites de contexto são todos contados em tokens.
- Tokenizer
- Um tokenizer (tokenizador) é o componente que divide o texto em tokens e os transforma em IDs numéricos que um modelo de linguagem pode processar, e depois transforma os IDs de saída do modelo de volta em texto.
- Tokens de saída
- Tokens de saída (output tokens) são os tokens que um modelo de linguagem gera na resposta. Eles são contados e cobrados separadamente dos tokens de entrada, e uma configuração max_tokens limita quantos uma resposta pode conter.
- Tokens por segundo
- Tokens por segundo (tokens per second, tok/s) medem a rapidez com que um modelo de linguagem produz saída. O número é informado por usuário, a velocidade com que uma resposta chega em streaming, ou por sistema, a saída total de todas as requisições simultâneas.
- Tool poisoning
- Tool poisoning (envenenamento de ferramentas) é um ataque em que uma ferramenta maliciosa, muitas vezes um servidor MCP, esconde instruções na descrição ou nos metadados da ferramenta; o modelo de IA as lê como orientação e pode vazar dados ou usar mal outras ferramentas sem que o usuário perceba.
- Top-p sampling
- O top-p sampling, ou nucleus sampling (amostragem por núcleo), escolhe cada próximo token só entre o menor conjunto de candidatos cuja probabilidade somada atinge um limite p, cortando a longa cauda de tokens improváveis.
- TPU
- Uma TPU (tensor processing unit, unidade de processamento de tensores) é o chip próprio do Google para machine learning, construído em torno de grandes unidades de multiplicação de matrizes e memória de alta largura de banda. O Google oferece TPUs a outras empresas como serviço alugado no Google Cloud.
- Transformer (arquitetura)
- O transformer é uma arquitetura de rede neural, apresentada em 2017, que processa sequências usando atenção em vez de recorrência. Ele é a base de quase todos os grandes modelos de linguagem atuais e de muitos modelos de imagem e áudio.
- Transporte MCP (stdio, Streamable HTTP)
- Um transporte MCP (MCP transport) é o canal que leva as mensagens JSON-RPC do MCP entre cliente e servidor. A especificação define dois: stdio, para um servidor rodado como subprocesso local, e Streamable HTTP, para um servidor acessado pela rede.
U
- Upscaling de imagens com IA
- O upscaling de imagens com IA (ampliação), ou super-resolução, usa uma rede neural para ampliar uma imagem e preencher detalhes plausíveis, para que o resultado pareça mais nítido do que um redimensionamento simples deixaria.
- Uso do computador
- Uso do computador (computer use) é a capacidade de um modelo de IA de operar um computador como uma pessoa faz, olhando capturas de tela e enviando cliques de mouse e teclas, para trabalhar com softwares que não têm API.
V
- Vibe coding
- Vibe coding é construir software descrevendo o que você quer a um modelo de IA e aceitando o código que ele escreve sem lê-lo nem revisá-lo, julgando o resultado apenas por o programa parecer funcionar.
- Vision-language model
- Um vision-language model (VLM, modelo de visão e linguagem) é um modelo que recebe imagens e texto como entrada e produz texto, então consegue descrever imagens, responder perguntas sobre elas, ler documentos e extrair dados de capturas de tela.
- Voice agent
- Um voice agent (agente de voz) é um agente de IA que mantém uma conversa falada em tempo real, ouvindo uma pessoa, decidindo o que dizer ou fazer e respondendo com uma voz sintética, muitas vezes por uma linha telefônica ou em um app.
- VRAM
- VRAM é a memória de uma placa de vídeo. No trabalho com IA, ela guarda os pesos do modelo, o KV cache e os dados de trabalho, e saber se um modelo cabe na VRAM geralmente decide qual GPU você precisa para rodá-lo.
W
- Web crawling para IA
- Web crawling para IA (rastreamento da web) é a busca automática de páginas web, seguindo links ou uma lista de URLs, para coletar texto para treinar modelos, construir índices de busca ou dar a uma aplicação conteúdo atualizado para recuperar.
- Weight-space programming
- A weight-space programming (programação no espaço de pesos) é uma capacidade proposta em que um modelo de linguagem lê os pesos de uma rede neural para entender o que ela calcula e depois escreve ou edita esses pesos diretamente, sem treinamento por gradiente, como um programador edita código.
- Workflow vs agente
- Um workflow (fluxo de trabalho) é um sistema de LLM cujos passos seguem caminhos fixados no código, enquanto um agente deixa o modelo decidir seus próprios passos e chamadas de ferramenta. Muitos produtos vendidos como workflows agênticos ficam em algum ponto entre os dois.
- World model
- Um world model (modelo de mundo) é um modelo de IA que aprende como um ambiente funciona bem o bastante para prever o que acontece em seguida, muitas vezes a partir de vídeo ou dados de sensores, para que um agente possa planejar ou treinar dentro da simulação.
Z
- Zero data retention
- Zero data retention (ZDR, retenção zero de dados) é um acordo em que um provedor de IA não guarda os prompts e as saídas de um cliente depois que uma requisição é respondida, geralmente oferecido só a clientes aprovados e só para recursos de API elegíveis.
- Zero-shot
- Zero-shot significa pedir a um modelo que faça uma tarefa só a partir de uma instruç ão, sem exemplos resolvidos no prompt e sem treinamento específico para a tarefa. O modelo depende apenas do que já aprendeu.