Notas sobre IA, design de produto, tecnologia em saúde mental, Rust e o que eu estiver construindo no momento.
Filter by tags
26 posts no total
O AirPods Max descarregou até zerar, o reset só piscava âmbar três vezes e apagava, e eu tinha tirado ele da lista do Mac e do iPad. Passei o dia nos logs de Bluetooth até achar o nome do problema e a solução mais bizarra possível.
Abri uma sessão limpa como se fosse usuário e perguntei como usa o Nest. O primeiro comando devolveu command not found. O resto do dia foi na mesma linha.
Um arquivo de meio giga, visualmente horrível, acha a carta certa tão bem quanto o de 3,6 GB sem perda. A métrica que eu usava pra vetar isso media a coisa errada.
Sério que você usou 200 cartas de demo? Tenho reunião com o cliente e não tenho o dataset ainda.
Os bytes de um build não batiam com um encode feito na mão. O tune=still que eu pedia desde o começo nunca tinha sido aplicado, e o manifest dizia que sim.
Sem perda quer dizer três coisas diferentes quando a fonte já é JPEG. Separar as três mudou o que eu apostei, e a bateria sem perda fechou a primeira aposta na mesma noite.
Dá pra trocar 7 GB de JPEG de carta de Magic por um arquivo só que o app abre direto? O primeiro build respondeu que sim, e criou duas perguntas que eu não tinha.
Como estruturar schema e JSON-LD para ser citado por motores generativos como AI Overviews, Perplexity e ChatGPT, com o @graph que este blog gera de verdade como exemplo.
A lista de leitura que montei sobre roubo de modelo por API, inversão de modelo e vazamento por gradiente, deduplicada e conferida, com uma linha sobre o que cada fonte faz.
Em fevereiro eu propus ordenar imagens por similaridade antes de codificar o dataset em AV1 e estimei 50 a 80 vezes de compressão. Em setembro testei nas cartas de Magic, e a ideia só sobreviveu onde havia imagem quase repetida.