Meta Lança Modelo de IA BOxCrete para Formulação de Misturas de Concreto
IA da Meta para Produção Doméstica de Concreto
A Meta lançou o Bayesian Optimization for Concrete (BOxCrete), um novo modelo de IA para projetar misturas de concreto que priorizam materiais produzidos nos EUA e sustentabilidade. O modelo é de código aberto e está disponível no GitHub, lançado juntamente com dados fundamentais usados para desenvolver misturas de concreto premiadas.
Contexto do Problema
Os EUA despejam aproximadamente 400 milhões de jardas cúbicas de concreto anualmente, mas importam cerca de 20-25% do cimento necessário para isso. O projeto tradicional de mistura de concreto depende de trabalho de laboratório de tentativa e erro e intuição de engenheiros, o que é lento e caro para adaptar. Diferentes cimentos têm diferentes composições químicas, exigindo que os produtores explorem e validem rapidamente novas formulações sem meses de trabalho laboratorial.
Recursos do BOxCrete
- Melhora em relação aos modelos anteriores da Meta com maior robustez a dados ruidosos
- Inclui novos recursos para prever o slump do concreto (um indicador importante da trabalhabilidade)
- Projetado especificamente para concreto sustentável e produzido domesticamente
Implementação no Mundo Real
A Meta fez parceria com a Amrize, a maior fabricante de cimento e concreto da América do Norte, que opera 18 fábricas de cimento, 141 terminais de cimento e 269 locais de concreto pronto. A Amrize lançou recentemente um selo Made in America de cimento que garante conformidade com os padrões dos EUA e fabricação doméstica, e anunciou investimentos de capital de quase US$ 1 bilhão para 2026 para aumentar a produção doméstica de cimento.
A parceria já recebeu reconhecimento, incluindo o Prêmio Building Innovation 2025 de Melhor Parceria e o Prêmio Slag Cement 2025 de Projeto de Concreto Sustentável do Ano, compartilhado com a Universidade de Illinois em Urbana-Champaign.
Contexto Econômico
O setor de cimento e concreto contribui com mais de US$ 130 bilhões anualmente para a economia dos EUA e apoia aproximadamente 600.000 empregos. A manufatura tem um alto multiplicador econômico, com cada US$ 1,00 gasto adicionando US$ 2,69 à economia dos EUA. A relocalização e o investimento estrangeiro direto relacionado trouxeram mais de 1,1 milhão de empregos de volta aos EUA desde 2020.
📖 Read the full source: HN AI Agents
👀 See Also
Anotações do Amazon S3: 1 GB de Metadados por Objeto para Fluxos de Trabalho de Agentes de IA
A AWS anuncia anotações S3 — até 1.000 anotações por objeto, cada uma com até 1 MB, totalizando 1 GB. Mutáveis, consultáveis via Athena, sem taxas de recuperação para objetos Glacier.
Máquina de Fluxo de Estado: Arquitetura Não-Transformer Mantém 62% de Precisão em Sequências Longas, Enquanto Transformers Caem para 2%
Um pesquisador desenvolveu a Máquina de Fluxo de Estado (SFM), uma arquitetura alternativa que utiliza slots de memória explícitos em vez de cabeças de atenção, alcançando 62% de precisão em uma tarefa sintética de rastreamento de estado de programa em comprimento de treinamento 4×, onde os transformadores caem para 1,9-3,1%. O modelo roda em um único NPU Huawei Ascend 910 ProA.
Dois Projetos de Pesquisa Desafiam a Aprendizagem por Imitação para Agentes Web
Dois projetos de pesquisa demonstram limitações do treinamento baseado apenas em imitação para agentes web: 'Browser in the Loop' usa RL com um modelo de 8B parâmetros para melhorar o sucesso no envio de formulários, enquanto 'Concentrate or Collapse' mostra que o RL padrão falha com modelos de linguagem de difusão, exigindo otimização em nível de sequência.
Analisando a Queima de Tokens da Janela de Contexto de 1M do Claude: Dados Mostram Crescimento Ilimitado e Acúmulo de Falhas de Cache
Análise da janela de contexto de 1 milhão do Claude revela dois fatores combinados que causam consumo rápido de tokens: crescimento ilimitado do contexto sem compactação automática e falhas caras de cache em tamanhos de contexto maiores. O autor fornece um script Python para analisar o uso pessoal de tokens a partir de arquivos de sessão JSONL.