Pesquisadores examinaram como o software impulsionado por grandes modelos de linguagem (LLM) poderia redefinir o mercado de trabalho, focando em melhorias projetadas de velocidade de tarefas e exposição ocupacional. Sua análise, que evita estabelecer um cronograma de adoção concreto, sugere que entre 47% e 56% de todas as tarefas poderiam eventualmente ser realizadas pelo menos 50% mais rápido com a assistência do LLM. Eles identificam ocupações como matemáticos, escritores e autores, e designers de interface digital e web como totalmente expostas, significando que mais da metade de suas tarefas poderiam ser impactadas. O estudo enfatiza que a conclusão mais rápida de tarefas não se equivale à substituição total do trabalho humano. Leia mais →

A equipe de pesquisa do Google apresentou o TurboQuant, um novo algoritmo de compressão projetado para reduzir drasticamente a pegada de memória dos grandes modelos de linguagem (LLM) e aumentar a velocidade de inferência. Ao visar o cache de chave-valor, frequentemente descrito como uma espécie de "trapaça digital", o TurboQuant pode cortar o uso de memória em até seis vezes e entregar ganhos de desempenho de cerca de oito vezes sem sacrificar a qualidade do modelo. Leia mais →