Atlético de Madrid Domina Barcelona na Copa del Rey; Ariane 6 Decola em Lançamento Inaugural para a Amazon
O Atlético de Madrid conquistou uma impressionante vitória por 4 a 0 sobre o Barcelona no jogo de ida da semifinal da Copa del Rey na quinta-feira, enquanto o foguete mais poderoso da Europa, o Ariane 6, completou com sucesso seu lançamento inaugural, levando satélites da Amazon para a órbita. Enquanto isso, um foguete Vulcan da United Launch Alliance (ULA) apresentou um problema no propulsor logo após a decolagem, e a Nvidia anunciou uma nova técnica para reduzir os custos de raciocínio de modelos de linguagem grandes (LLM).
A atuação dominante do Atlético de Madrid na Copa del Rey deixou o Barcelona diante de uma tarefa quase impossível no jogo de volta, de acordo com a Al Jazeera. A equipe da casa garantiu sua liderança no primeiro tempo, capitalizando erros iniciais e abrindo a defesa do Barcelona. A vitória coloca o Atlético de Madrid à beira da final de abril em Sevilha.
Simultaneamente, o foguete Ariane 6, desenvolvido pela Europa, foi lançado do Centro Espacial da Guiana em Kourou, Guiana Francesa, na costa nordeste da América do Sul, conforme relatado pela Euronews. Este marcou o primeiro lançamento para a configuração Ariane 64, que utiliza quatro propulsores. O foguete transportou 32 satélites para a rede Leo da Amazon, com o objetivo de competir com a Starlink de Elon Musk, conforme observado pela Ars Technica. O lançamento gerou mais de 3,4 milhões de libras de empuxo, de acordo com a Ars Technica.
No entanto, o foguete Vulcan da ULA encontrou um problema no propulsor logo após a decolagem da Costa Espacial da Flórida na quinta-feira, conforme detalhado pela Ars Technica. Faíscas surgiram na pluma de exaustão, e o foguete girou antes de se recuperar e continuar sua ascensão com satélites militares dos EUA. Detalhes do problema do propulsor permanecem sob investigação.
No campo da tecnologia, pesquisadores da Nvidia revelaram uma nova técnica chamada sparsificação dinâmica de memória (DMS) que pode reduzir os custos de memória do raciocínio de LLM em até oito vezes, conforme relatado pela VentureBeat. A técnica comprime o cache de valor-chave (KV), a memória temporária que os LLMs usam. Experimentos mostram que o DMS permite que os LLMs "pensem" por mais tempo e explorem mais soluções sem sacrificar a precisão, de acordo com a VentureBeat.
Discussion
AI Experts & Community
Be the first to comment