LLM
Projection Engineering: a IA tem aritmética, mas não metrologia
A IA pode gerar uma decisão mais rápido do que qualquer pessoa consegue verificá-la. Projection Engineering fornece a camada de responsabilidade ausente que transforma Claims de mundo aberto em Accepted Facts auditáveis antes que as regras autorizem uma ação.
Dos Claims a um Graph of Accepted Facts
Antes que uma máquina possa julgar o mundo real de forma determinística, ela precisa fechar explicitamente esse mundo: avaliar Claims abertos, projetar Accepted Facts em um grafo rastreável, congelar a fronteira e preservar um caminho de recurso.
A verdade não é descoberta
No mundo aberto não há verdade a descobrir — porque toda observação esbarra na velocidade da luz e nunca alcança o evento. Mas em mundos fechados por declaração, como a ficção, a matemática e o direito, há verdade. O julgamento é o processo de projetar o real sobre o mundo jurídico, e a sentença é uma computação sobre ele. O que falta aos LLMs hoje não é um modelo maior, mas um procedimento explícito de fechamento, como o Estado de Direito.
Fluência Não É Verdade
As pessoas não deixam passar erros de IA confiantes e fluentes por descuido. Não perceber é o padrão da população — medido em médicos treinados em IA e em desenvolvedores experientes que continuaram convencidos de que estavam mais rápidos mesmo depois que os dados disseram o contrário.
O que é um 'turn' no reins?
Uma anatomia do turn, a menor unidade de execução do reins. O que não foi registrado não é um turn — desta única definição decorrem a independência de driver, a resiliência a reinícios e a auditabilidade. Comparado ao discurso de Loop Engineering de junho de 2026, vemos como o turn converte aquelas recomendações em estrutura.
As Precondições para Aumentar a Precisão de Múltiplos Agentes de LLM
Rodar vários agentes torna o resultado mais preciso? Só metade está certa. Modelos treinados com os mesmos dados erram nos mesmos lugares. As condições para que múltiplos agentes funcionem são duas — projetar independência de erros, ou erguer um verifier fora do LLM em domínios verificáveis.
Codigo catraca que explora o IFEval
O vies de bajulacao dos LLMs nao e um defeito, e um ativo. Ao combinar a capacidade de seguir instrucoes medida pelo IFEval com feedback deterministico, ate um modelo local de 4.5B produz um loop de convergencia que gera codigo correto.
O viés de bajulação da IA é uma feature de negócio
O viés de bajulação dos LLMs não é um bug. É uma inevitabilidade matemática do RLHF e uma feature comercial que as big tech não têm incentivo para corrigir. Por isso LLM-as-Judge é estruturalmente impossível.
Por que agentes de codificação funcionam — e por que quebram
O mesmo modelo alucina no chat web mas entrega uma funcionalidade de 200 linhas num agente de codificação. Não porque o modelo mudou — porque a topologia mudou. Geração pode ser probabilística. Verificação deve ser determinística.
Topologia de Feedback Importa Mais que o QI do Modelo
O mesmo modelo para em 40 ou completa todos os 527. A diferença não é o modelo — é a estrutura de feedback. O desempenho do LLM depende muito mais de quão rápido e determinístico é o loop de feedback do que do modelo em si.
tsma -- Linha de defesa contra regressoes em codigo legado
Uma ferramenta CLI que indexa todas as funcoes, detecta a existencia de testes, mede a cobertura e fornece feedback preciso a agentes LLM. Um unico comando constroi uma linha de defesa contra regressoes em codigo legado.
Restrições são contratos
Sem promessas, há caos; promessas em excesso são opressão. Restrições racionais formam a proporção áurea. O princípio do estado de direito aplica-se igualmente ao código e ao conhecimento.
filefunc — um arquivo, um conceito
A unidade de navegação de um agente de código com IA é o arquivo. filefunc é uma convenção de estrutura de código Go e ferramenta CLI que força um conceito por arquivo.