Portuguese
mamba
mamba-3
ssm
muon
muonclip
qk-clip
adamw
optimizer
nope
hybrid-architecture
activation-checkpointing
3d-vision-language
depth-perception
point-cloud
diffusion
stable-diffusion
mixture-of-experts
kohonen
som-attention
random-forest
deep-neural-network
knowledge-distillation
bidirectional-distillation
engram-memory
multimodal
multi-token-prediction
dpo
rlhf
hh-rlhf
pcgrad
long-context
lra-qvit
engineer-agent
integral-state
cython
jev-classifiers
gumbel-softmax
quantization
riemannian-optimization
stiefel-manifold
cython-kernels
gradient-accumulation
vector-quantization
grayscale-detection
joint-perception
pt-br
Ctrl+K
KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓ (part 2)
c4da49c verified - cache_dados KHTST v17 KHMAMBAJEPA — MoE QUANTIZADO por indexador/floresta (Teos 29.1–29.4: stack fora do contrato de subclasses resolvido, equivalência EXATA por independência de linha da GEMM, floresta B=2≡B=1 bit-exata; torchao+MoE-pack 237 camadas+2 MoEs 3.92× Δperda −0.0001); perda TCE ALTA corrigida (Teos 29.5–29.9: normalização dimensional exata ∇L/d, limiar de sucesso invariante de escala, λ_jepa pela razão PONDERADA no RM — jepa/perda 24.96→1.12, taxa 0.0→0.075, razão de ganho 0.716→0.789, held-out em paridade 6.586 vs 6.559); SonicMoE + Token Rounding em Cython (Teos 29.10–29.11, GEMM estofado bit-exato, τ* por medição); AUDITORIA DE MEMÓRIA em tempo real I1–I4 (Teo 29.12, statm nível C — verdes no passo 100 real); ReplaySSM (Teos 29.13–29.14: saída/gradiente BIT-EXATOS, ativação 113→31 KB); vocab 16384 alinhado (tokenizador retreinado); jepa_validator.pyx aprimorado (API preservada + auditoria + rounding); venv otimizado (00_bootstrap_venv.sh); suíte v17 34✓, verificar_tudo 49✓, regressão v1–v16 completa; SEM estados de treino (requisito)
- configs v15.1 — patches JEPA+Sonho (correções A-F, Teo 6.1 exato, quantil) + correcoes.py canônico (λ_c única 206/206, rate-distortion, gate vivo, viés multiplicativo) + integração no treinador (PCGrad inclui JEPA) + ciclo com entropia real e autorrecompensa + RELATORIO_KHTST.md §14 (auditoria de 2ª ordem: 7 defeitos corrigidos); estados de treinos anteriores removidos neste mesmo commit
- docs KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓
- graficos KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓
- patches KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓
- scripts KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓
- src KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓
- telemetria_out KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓ (part 2)
- tests KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓ (part 2)
- 3.07 kB KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓
- 1.07 kB KHTST v7 — RETREINO OBSERVADO: estados antigos apagados; treino do zero com monitor de RAM integral (Agente Engenheiro); métricas de tests/test_khtst_v6.py comparadas com o treino anterior; gráficos de desempenho publicados no card
- 11.3 kB KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓
- 24.8 kB KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓
- 52.4 kB KHTST v17 KHMAMBAJEPA — Problema 1: MoE EMPACOTADA na quantização (bijeção φ + indexador narrow + floresta B blocos + rollback sem copy_; 3.79–3.91×, Δy ≤ cota — Teos 29.1–29.4); Problema 2: TCE curada (L/d reparametrização pura + limiar invariante ‖e‖²≤θ‖alvo‖² + λ_jepa por razão ponderada — Teos 29.5–29.8); jepa_validator.pyx (Token Rounding exato + AuditoriaMemoriaSonic I1–I4 — Teos 29.10–29.12); ReplaySSM (fronteiras bit-exatas, gradiente exato 0.0 — Teos 29.13–29.14); autoajuste MULTI-MÉTODO RM+PID+bisseção p/ TODOS os parâmetros fixos (15 controladores — Teos 30.1–30.15); vocab 16384 mantido; suíte v17 59✓ + regressão v1–v16 + verificar_tudo 49✓
- 19.7 kB KHTST v10 — JANELA PARALELA 256K→128K + CLASSIFICADORES JEV: comprimento_ctx=256/janela_sliding=192; janelas W=192K/E=64K com cross-fade de partição de unidade (Teos 21.1–21.4); classificadores alinhados escolha/escore/noul com metacalibração térmica por entropia, versão PRÓPRIA, inseridos só onde provado vantajoso (Teos 21.6–21.11); nascimento neutro (Teo 21.12); SEM FALLBACK — núcleos Cython/C obrigatórios com auto-build e kernel temperatura_entropia (Teo 21.13); gate APROVADO: ppl_lm 2,58 vs AURORA 17,09 (−84,9%), 9/9 perdas, treino 4,14h ≤ 4h+1h, RAM 3445 ≤ 3580; estado fase-v10 gate-aprovado (sonda δ*=0.0); estados antigos apagados
- 5.57 kB KHTST v17 KHMAMBAJEPA — MoE QUANTIZADO por indexador/floresta (Teos 29.1–29.4: stack fora do contrato de subclasses resolvido, equivalência EXATA por independência de linha da GEMM, floresta B=2≡B=1 bit-exata; torchao+MoE-pack 237 camadas+2 MoEs 3.92× Δperda −0.0001); perda TCE ALTA corrigida (Teos 29.5–29.9: normalização dimensional exata ∇L/d, limiar de sucesso invariante de escala, λ_jepa pela razão PONDERADA no RM — jepa/perda 24.96→1.12, taxa 0.0→0.075, razão de ganho 0.716→0.789, held-out em paridade 6.586 vs 6.559); SonicMoE + Token Rounding em Cython (Teos 29.10–29.11, GEMM estofado bit-exato, τ* por medição); AUDITORIA DE MEMÓRIA em tempo real I1–I4 (Teo 29.12, statm nível C — verdes no passo 100 real); ReplaySSM (Teos 29.13–29.14: saída/gradiente BIT-EXATOS, ativação 113→31 KB); vocab 16384 alinhado (tokenizador retreinado); jepa_validator.pyx aprimorado (API preservada + auditoria + rounding); venv otimizado (00_bootstrap_venv.sh); suíte v17 34✓, verificar_tudo 49✓, regressão v1–v16 completa; SEM estados de treino (requisito)
- 1.31 kB KHTST v17 KHMAMBAJEPA — MoE QUANTIZADO por indexador/floresta (Teos 29.1–29.4: stack fora do contrato de subclasses resolvido, equivalência EXATA por independência de linha da GEMM, floresta B=2≡B=1 bit-exata; torchao+MoE-pack 237 camadas+2 MoEs 3.92× Δperda −0.0001); perda TCE ALTA corrigida (Teos 29.5–29.9: normalização dimensional exata ∇L/d, limiar de sucesso invariante de escala, λ_jepa pela razão PONDERADA no RM — jepa/perda 24.96→1.12, taxa 0.0→0.075, razão de ganho 0.716→0.789, held-out em paridade 6.586 vs 6.559); SonicMoE + Token Rounding em Cython (Teos 29.10–29.11, GEMM estofado bit-exato, τ* por medição); AUDITORIA DE MEMÓRIA em tempo real I1–I4 (Teo 29.12, statm nível C — verdes no passo 100 real); ReplaySSM (Teos 29.13–29.14: saída/gradiente BIT-EXATOS, ativação 113→31 KB); vocab 16384 alinhado (tokenizador retreinado); jepa_validator.pyx aprimorado (API preservada + auditoria + rounding); venv otimizado (00_bootstrap_venv.sh); suíte v17 34✓, verificar_tudo 49✓, regressão v1–v16 completa; SEM estados de treino (requisito)
- 375 Bytes KHTST v11 — MAMBA-3 HÍBRIDO + NoPE (5:1) + MAMBA-3VL 3D-VL + CHECKPOINTING DE ATIVAÇÃO + ENSEMBLE RF×DNN×DESTILAÇÃO BIDIRECIONAL×ENGRAEM + 9 DATASETS DO REQUISITO + RLHF REAL: 12 tarefas com FONTE ÚNICA (Teo 22.1); N_MAX_TOKENS = entrada 256K + saída 128K = 393216 (Teo 22.1.1); critérios Jev DINÂMICOS de dados reais (DESCRICOES_TAREFAS removida, Teo 22.2); kernel trapezoidal estável com gradiente exato (Teos 22.2–22.5); checkpointing de ativação exato (Teo 22.8, Δ=0 medido); Hedge com regreto O(√(T ln M)) e Gibbs local (Teos 23.1–23.4); KD simétrica mode-covering+seeking (Teo 23.8); engram k-WTA (Teo 23.10); estados no Hub antes de 900MB com retomada real (Teo 23.13); orçamento 8h+1h; teste com DADOS REAIS APROVADO antes de treinos longos
- 24.6 kB KHTST v17 KHMAMBAJEPA — MoE QUANTIZADO por indexador/floresta (Teos 29.1–29.4: stack fora do contrato de subclasses resolvido, equivalência EXATA por independência de linha da GEMM, floresta B=2≡B=1 bit-exata; torchao+MoE-pack 237 camadas+2 MoEs 3.92× Δperda −0.0001); perda TCE ALTA corrigida (Teos 29.5–29.9: normalização dimensional exata ∇L/d, limiar de sucesso invariante de escala, λ_jepa pela razão PONDERADA no RM — jepa/perda 24.96→1.12, taxa 0.0→0.075, razão de ganho 0.716→0.789, held-out em paridade 6.586 vs 6.559); SonicMoE + Token Rounding em Cython (Teos 29.10–29.11, GEMM estofado bit-exato, τ* por medição); AUDITORIA DE MEMÓRIA em tempo real I1–I4 (Teo 29.12, statm nível C — verdes no passo 100 real); ReplaySSM (Teos 29.13–29.14: saída/gradiente BIT-EXATOS, ativação 113→31 KB); vocab 16384 alinhado (tokenizador retreinado); jepa_validator.pyx aprimorado (API preservada + auditoria + rounding); venv otimizado (00_bootstrap_venv.sh); suíte v17 34✓, verificar_tudo 49✓, regressão v1–v16 completa; SEM estados de treino (requisito)
- 433 Bytes KHTST v17 KHMAMBAJEPA — MoE QUANTIZADO por indexador/floresta (Teos 29.1–29.4: stack fora do contrato de subclasses resolvido, equivalência EXATA por independência de linha da GEMM, floresta B=2≡B=1 bit-exata; torchao+MoE-pack 237 camadas+2 MoEs 3.92× Δperda −0.0001); perda TCE ALTA corrigida (Teos 29.5–29.9: normalização dimensional exata ∇L/d, limiar de sucesso invariante de escala, λ_jepa pela razão PONDERADA no RM — jepa/perda 24.96→1.12, taxa 0.0→0.075, razão de ganho 0.716→0.789, held-out em paridade 6.586 vs 6.559); SonicMoE + Token Rounding em Cython (Teos 29.10–29.11, GEMM estofado bit-exato, τ* por medição); AUDITORIA DE MEMÓRIA em tempo real I1–I4 (Teo 29.12, statm nível C — verdes no passo 100 real); ReplaySSM (Teos 29.13–29.14: saída/gradiente BIT-EXATOS, ativação 113→31 KB); vocab 16384 alinhado (tokenizador retreinado); jepa_validator.pyx aprimorado (API preservada + auditoria + rounding); venv otimizado (00_bootstrap_venv.sh); suíte v17 34✓, verificar_tudo 49✓, regressão v1–v16 completa; SEM estados de treino (requisito)
- 942 Bytes KHTST v10 — JANELA PARALELA 256K→128K + CLASSIFICADORES JEV: comprimento_ctx=256/janela_sliding=192; janelas W=192K/E=64K com cross-fade de partição de unidade (Teos 21.1–21.4); classificadores alinhados escolha/escore/noul com metacalibração térmica por entropia, versão PRÓPRIA, inseridos só onde provado vantajoso (Teos 21.6–21.11); nascimento neutro (Teo 21.12); SEM FALLBACK — núcleos Cython/C obrigatórios com auto-build e kernel temperatura_entropia (Teo 21.13); gate APROVADO: ppl_lm 2,58 vs AURORA 17,09 (−84,9%), 9/9 perdas, treino 4,14h ≤ 4h+1h, RAM 3445 ≤ 3580; estado fase-v10 gate-aprovado (sonda δ*=0.0); estados antigos apagados
- 3.35 kB KHTST v7 — RETREINO OBSERVADO: estados antigos apagados; treino do zero com monitor de RAM integral (Agente Engenheiro); métricas de tests/test_khtst_v6.py comparadas com o treino anterior; gráficos de desempenho publicados no card
- 3.41 kB KHTST v7 — RETREINO OBSERVADO: estados antigos apagados; treino do zero com monitor de RAM integral (Agente Engenheiro); métricas de tests/test_khtst_v6.py comparadas com o treino anterior; gráficos de desempenho publicados no card
- 1.67 kB KHTST v10 — JANELA PARALELA 256K→128K + CLASSIFICADORES JEV: comprimento_ctx=256/janela_sliding=192; janelas W=192K/E=64K com cross-fade de partição de unidade (Teos 21.1–21.4); classificadores alinhados escolha/escore/noul com metacalibração térmica por entropia, versão PRÓPRIA, inseridos só onde provado vantajoso (Teos 21.6–21.11); nascimento neutro (Teo 21.12); SEM FALLBACK — núcleos Cython/C obrigatórios com auto-build e kernel temperatura_entropia (Teo 21.13); gate APROVADO: ppl_lm 2,58 vs AURORA 17,09 (−84,9%), 9/9 perdas, treino 4,14h ≤ 4h+1h, RAM 3445 ≤ 3580; estado fase-v10 gate-aprovado (sonda δ*=0.0); estados antigos apagados