Computador quântico que aprende com seus próprios erros

A Google Research demonstrou uma estrutura de aprendizado por reforço que permite que um computador quântico se adapte continuamente à deriva durante a computação sem parar. O agente de aprendizado por reforço aprende com eventos de detecção de correção de erros quânticos para direcionar dinamicamente os parâmetros de controle, melhorando a estabilidade lógica em 3,5 vezes e reduzindo as taxas de erro lógico para níveis recordes.

Google/DeepMind

Mac Mini M4 Pro e OpenClaw: Testando Inferência Local de LLM

O artigo testa inferência local de LLM em um Mac mini M4 Pro com 48 GB de RAM usando OpenClaw e LM Studio. Três modelos são comparados: google/gemma-4-26b-a4b-qat, qwen/qwen3.6-35b-a3b e google/gemma-4-31b. Os resultados mostram que modelos MoE como gemma-4-26b e qwen3.6-35b oferecem melhor velocidade e eficiência energética em comparação com o modelo denso gemma-4-31b.

Apple OpenAI Google/DeepMind