Tongyan Lingzhi aposta em adaptadores LoRA e IA pessoal
Empresa incubada pelo BIGAI apresenta IA pessoal baseada em adaptadores LoRA e ciclo de auto-melhoria recursiva, com testes em GPUs Nvidia H800.
Resumo rápido
- Tongyan Lingzhi propõe modelo de IA pessoal que aprende com o usuário via adaptadores LoRA.
- A empresa desenvolve um mecanismo de auto-melhoria recursiva para atualizar os parâmetros.
- Testes com Qwen2.5-72B-Instruct e GPUs Nvidia H800 avaliaram o desempenho do Paged LoRA.
Entenda o contexto
A Tongyan Lingzhi é uma empresa incubada pelo BIGAI que desenvolve arquiteturas de IA com adaptadores LoRA para personalização contínua. O uso de adaptadores busca modificar parâmetros específicos de forma leve sem alterar a base do modelo.
Em 22 de outubro de 2026, a Tongyan Lingzhi, empresa incubada pelo Beijing Institute for General Artificial Intelligence (BIGAI), divulgou sua abordagem para o conceito de IA pessoal. Segundo a companhia, a proposta consiste em manter um modelo base compartilhado para conhecimento geral e raciocínio, enquanto adaptadores leves chamados Personal LoRA são aplicados a cada indivíduo, projeto ou organização para incorporar hábitos e convenções nos pesos do sistema.
Arquitetura e testes de desempenho
Para manter os adaptadores em aprendizado contínuo, a equipe desenvolve o ciclo de auto-melhoria recursiva (RSI). Registros de tarefas, correções humanas e resultados passam por um avaliador que filtra os sinais antes de uma atualização incremental do LoRA, com reversão de eventuais regressões. Em testes realizados com o modelo Qwen2.5-72B-Instruct em oito GPUs Nvidia H800, a abordagem Paged LoRA demonstrou melhor latência e comportamento de cauda em comparação a um layout plano quando as solicitações LoRA representavam de 1% a 30% do tráfego, embora tenha apresentado degradação ao atingir 50%.
A empresa aponta que o trabalho está em estágio inicial. O ciclo automatizado de aprendizado ainda se encontra em desenvolvimento, enfrentando desafios técnicos como esquecimento catastrófico, contaminação de feedback e deriva de modelo.
Referências
- Fonte consultada: Pandaily — Tecnologia chinesa
Links para conferência: não indicam endosso das fontes ao conteúdo do portal.
Gostou? Compartilhe:
Comentários 0
Ninguém comentou ainda. Seja o primeiro!
