PT · Edição internacional · 17/11/2026
Inferama diariamente · 17/11/2026
As novidades mais importantes de inteligência artificial desde o boletim anterior, selecionadas pela relevância editorial.
Período das novidades: 15/11/2026 08:30 → 17/11/2026 08:30 (Europe/Madrid).
Inteligência coletiva e enxames nas empresas: conceitos e avaliação
Inteligência coletiva, enxames humanos, otimização por enxame de partículas e IA generativa são abordagens distintas. Este guia explica como funcionam, que usos empresariais hipotéticos podem ter e como avaliar um projeto-piloto sem presumir que ele melhorará os resultados.
Ler artigo →
Injeção de prompt: mecanismo, variantes e limites das mitigações
A injeção de prompt é uma vulnerabilidade em que conteúdo não confiável altera o comportamento de um modelo de linguagem. Esta ficha explica o mecanismo, distingue as variantes direta e indireta, apresenta cenários técnicos e delimita a eficácia dos controles de segurança.
Ler artigo →
TokenEconomizer reduz custos de agentes de programação em testes da Microsoft
O TokenEconomizer aprende com sessões anteriores no mesmo repositório para reduzir trabalho repetido, ferramentas não utilizadas e ciclos de falhas. A Microsoft Research relata uma redução média de custos de 18,4% a 30,9% em 277 tarefas do SWE-Bench; o resultado vem da avaliação dos próprios autores, não de uma validação independente.
Ler artigo →
Meta habilita chamadas telefônicas delegadas no Muse para usuários dos EUA
O assistente da Meta pode realizar chamadas a negócios para gerenciar tarefas como reservas ou consultas. A função está disponível para o público americano e opera sob supervisão do usuário.
Ler artigo →
Direitos e proveniência em IA multimédia: guia de verificação legal
A qualidade técnica de um conteúdo gerado por IA não isenta da responsabilidade legal sobre a sua proveniência. Este guia detalha como auditar licenças, verificar identidades e garantir a rastreabilidade antes de publicar imagem, vídeo ou áudio.
Ler artigo →
Do experimento à norma: como auditar a validade externa de um paper de IA antes de replicar seus achados
Um resultado bem-sucedido em um ambiente controlado não garante sua utilidade em produção. Este guia metodológico ensina a identificar as variáveis de contexto que condicionam a generalização dos achados em inteligência artificial e propõe um protocolo de auditoria para avaliar a robustez real de um estudo antes de implementar suas técnicas.
Ler artigo →