Blog
Notas de engenharia sobre navegação, ingestão, memória de agentes e benchmark honesto, escritas por quem rodou os experimentos.
Corpus, conjuntos de perguntas e harness estão commitados, e cada tabela é regenerada com um comando. Quando a manchete é 0/11 versus 11/11 para o mesmo modelo, a única resposta honesta à desconfiança é rodar de novo.
4 min de leitura
O aprendizado de trilhas errou o critério de convergência: os saltos caíram cerca de metade do limiar. O post-mortem: por que busca de entrada afiada e curadoria disciplinada deixaram quase nada para comprimir.
4 min de leitura
Onze perguntas, cada uma exigindo ao menos três saltos encadeados. O mesmo modelo 12B marca 0/11 como leitor de RAG top-k e 11/11 como navegador de floresta. Como o benchmark foi construído e como rodá-lo de novo.
4 min de leitura
O critério de convergência do trail learning não foi batido, e está no relatório mesmo assim. Um benchmark que só dá para passar não é um benchmark.
3 min de leitura
O paper traz a arquitetura completa, as tabelas do benchmark e os achados que não bateram seus critérios.