IA Compendium — Search Configuration

Camadas de pesquisa específicas do topic *A*consumidas por /k-compendium ia. Estrutura genérica do comando (Passos 00.5123456) vive em `metacontextcommandsk-compendium.md`.

Topic metadata

topic: ia
display_name: AI / Artificial Intelligence
update_frequency: weekly
timeline: ../IA_Volume_Completo.kmd

Passo 1 — Pesquisa de conteúdo novo

A pesquisa acontece em *uatro camadas* Execute sempre nesta ordem: Camada 0 primeiro (sozinha), depois Camadas A, B e D em paralelo.

*mportante:*muitos papers e relatórios técnicos relevantes nunca chegam ao arXiv — são publicados diretamente em blogs, HuggingFace, GitHub ou sites dos labs. A Camada B garante que esses itens não sejam perdidos. A Camada 0 garante que nenhuma tendência ou ator novo passe despercebido. A *amada D*garante que linhas de pesquisa alternativas ao mainstream LLM-transformer continuem sendo monitoradas — sem ela, o compendium tende a virar uma enciclopédia exclusiva de transformers.

Camada 0 — Descoberta ampla (executar primeiro, sozinha)

*bjetivo:*Capturar o que não se sabe que não se sabe — novas empresas, novas abordagens, novos paradigmas, novos recursos de IAs existentes, novos sites de referência, tendências emergentes. Antes das buscas específicas, é preciso saber o que mudou no panorama geral.

Lance estas buscas em paralelo:

*pós a Camada 0:*

• Liste tudo que foi encontrado e que NÃO estava no compendium ou nas camadas A/B planejadas
• Identifique novos labs ou modelos que devem ser adicionados à Camada B de buscas futuras
• Identifique novos domínios que podem precisar de novos arquivos no compendium
• Só então passe para as Camadas A, B e D

Camada A — Por domínio temático

Lance pesquisas paralelas cobrindo os últimos 90 dias por área de conhecimento:

Camada B — Por lab de IA (obrigatória)

Para cada lab abaixo, busque explicitamente qualquer *odelo, paper, relatório técnico ou blog post*publicado nos últimos 90 dias. Não assuma que já apareceu na Camada A — muitos labs publicam fora do arXiv.

*abs estabelecidos (frontier):*

*abs emergentes e especializados:*

*abs especializados em código, raciocínio e ciência:*

*nde buscar além do arXiv:*

• huggingface.co/papers — papers novos curados pela comunidade
• huggingface.co/<lab-name> — model cards e relatórios técnicos
• Blogs oficiais dos labs
• Simon Willison's Weblog (simonwillison.net) — cobre releases rapidamente
• The Batch (deeplearning.ai) — compilado semanal
• Papers With Code (paperswithcode.com) — novos SOTAs com código

Camada D — Linhas de pesquisa alternativas ao mainstream (obrigatória)

*bjetivo:*garantir que paradigmas que não cabem no eixo "transformer + escala + RLHF" não fiquem esquecidos. O mainstream de IA progride rápido e tende a abafar linhas de pesquisa que podem virar relevantes quando o gargalo muda (memória, energia, edge, interpretabilidade, raciocínio simbólico, dados escassos).

*strutura:*Camada D tem *uas partes*

1. *-disc*(descoberta) — busca explícita por linhas novas que ainda não estão na tabela; executa *rimeiro*
2. *1D16*(monitoramento) — atualização das linhas já catalogadas; executa *epois*da Ddisc, em paralelo entre si

*omo usar:*lance Ddisc primeiro (paralelo entre si, sozinha). Depois lance D1D16 + novas linhas descobertas em D-disc + Camadas A e B em paralelo. Cobertura últimos 90 dias. Toda novidade encontrada → roteamento obrigatório para o arquivo do compendium listado na última coluna; se não couber em nenhum, propor novo arquivo no Passo 2.

D-disc — Descoberta de linhas novas (executar primeiro)

Busca dedicada para capturar *aradigmas que ainda não estão na tabela D1-D16* Sem essa etapa, Camada D vira só "vigilância sobre o que já sabemos" e perde alternativas radicais emergentes — que é exatamente o tipo de coisa que costuma surgir fora do radar mainstream.

*ósprocessamento de Ddisc:*

1. Listar todos os hits que *ão se encaixam*em nenhuma linha D1-D16 nem em nenhum arquivo existente do compendium.
2. Para cada hit candidato a "linha nova":
   • Confirmar via 2 buscas adicionais (lab/autor + termo técnico próprio) que existe corpo de pesquisa (não é onepaperwonder).
   • Se confirmado → propor nova linha *17+*na tabela monitoring + propor novo arquivo no Passo 2 (categoria de destino: 02-arquiteturas/paradigmas-alternativos.md por default; novo .md só se for substancial o bastante).
3. Para cada hit que *�*variação de linha existente → roteamento normal pelo arquivo-destino dessa linha.

*eurística para "linha nova qualificada":*

• Tem ≥ 2 papers ou ≥ 1 paper + 1 lab/empresa rodando
• Tem nome próprio (não é só "extensão de X")
• Endereça um tradeoff que linhas D1D16 não endereçam (ex: nova dimensão de eficiência, nova classe de hardware, novo princípio de aprendizado)

*ntipadrão a evitar:*não criar linha nova só porque saiu "Mamba3" ou "JEPA-3" — isso é update de linha existente (D1 ou D4). Linha nova = paradigma com *ocabulário próprio*e *omunidade própria*

D1-D16 — Monitoramento de linhas já catalogadas

*egras de roteamento:*

• Update incremental (novo modelo / nova variante / novo resultado) → editar arquivo existente.
• Paradigma totalmente novo que não cabe em nenhum dos arquivos → propor novo .md no Passo 2 e adicionar nova linha (D17+) a esta tabela neste arquivo.
• Se uma linha não produzir resultado novo em 3 ciclos consecutivos, marcar com [DORMENTE] na próxima execução (não remover — só reduzir prioridade de leitura).

*ontes preferenciais para Camada D*(complementares ao arXiv):

• frontiersin.org/journals/neuroscience (neuromorphic, SNN)
• direct.mit.edu/neco (Neural Computation)
• Workshops específicos: NICE (NeuroInspired Computational Elements), NeurIPS Neuro4ML, ICLR ReAlign
• Blogs: Numenta, Liquid AI, Anthropic interpretability, VERSES research