Parameter Glossary & Canonical Registry — SOTA++ 2026¶

Este é o data dictionary da coleção. Ele existe para impedir semantic drift: o mesmo nome significando mecanismos diferentes, símbolos reutilizados sem contexto, knobs de UI confundidos com parâmetros fundamentais e aliases de backend tratados como conceitos novos.

Regra principal:

\[ \boxed{ Name \neq Meaning } \]

O significado é definido pelo triplo:

\[ \boxed{(Domain,Layer,Definition)} \]

Exemplo: temperature possui múltiplos significados incompatíveis.

Veja CONVENTIONS para regras editoriais e de notação.

1. Taxonomia canônica de proveniência¶

Tag	Camada	Pergunta
`ARCH`	arquitetura	como a rede é construída?
`MODEL`	checkpoint/config	o que foi fixado no modelo?
`OBJ`	função-objetivo	o que o treino otimiza?
`DATA`	dados	que distribuição foi usada?
`TRAIN`	otimização	como parâmetros foram atualizados?
`ALIGN`	pós-treinamento/alignment	como preferências/rewards alteram policy?
`PEFT`	adaptação eficiente	qual subespaço é treinado?
`DISTILL`	distillation	como conhecimento é transferido?
`MERGE`	model merging	como checkpoints/deltas são combinados?
`GEN`	processo generativo	AR, diffusion, flow, masked refinement etc.
`COND`	condicionamento	qual entrada ou representação condiciona a predição?
`INF`	inferência	que operador/controle roda no uso?
`STATE`	estado persistente	o que cresce/persiste?
`BACKEND`	runtime	como cálculo é implementado?
`PIPE`	pipeline	componente externo ao modelo?
`INDEX`	retrieval index	como corpus é indexado/buscado?
`EVAL`	avaliação	como performance é medida?
`SEC`	segurança	que boundary/controle reduz risco?
`UI`	frontend/vendor	nome amigável sem definição universal?
`HEURISTIC`	regra empírica	guideline sem lei universal?

2. Convenções dimensionais¶

Símbolo	Significado padrão
\(B\)	batch size / número de sequências
\(T\)	comprimento temporal ou de sequência; contexto deve tornar claro
\(L\)	número de layers; em alguns domínios pode ser loss apenas com \(\mathcal L\)
\(d\)	hidden/embedding dimension genérica
\(d_h\)	dimension por attention head
\(H\)	image height ou número de heads; evitar sem subscrito em fórmula ambígua
\(W\)	image width ou weight matrix; usar contexto/subscrito
\(C\)	channels/conditioning conforme contexto
\(V\)	vocabulary size ou value tensor; preferir \(\vert\mathcal V\vert\) para vocabulário quando houver colisão
\(N\)	número genérico de items/tokens/samples
\(K\)	top-K / retrieval K / clusters; sempre qualificar
\(r\)	rank LoRA/low-rank
\(\theta\)	parâmetros aprendidos do modelo
\(\eta\)	learning rate quando em training context
\(\epsilon\)	noise/residual/tolerance; sempre qualificar
\(\tau\)	temperature de contrastive/calibration quando explicitado
\(s\)	CFG/guidance scale quando em diffusion context

3. Colisões semânticas críticas¶

3.1 Temperature¶

Nome canônico	Fórmula/uso	Não confundir com
Sampling Temperature	\(softmax(z/T)\)	contrastive temperature
Contrastive Temperature	\(\exp(sim/\tau)\)	LLM sampling
Distillation Temperature	soft targets suavizados por \(T\)	sampling
Entropy/Policy Temperature	regularização/exploration em RL	sampling
Calibration Temperature	temperature scaling pós-hoc	generation randomness

Nunca escrever apenas “temperature” num documento transversal.

3.2 Rank¶

Rank	Significado
LoRA rank \(r\)	dimensão do low-rank update
Retrieval rank	posição do documento no ranking
Matrix rank	dimensão algébrica do espaço coluna/linha
Rank correlation	ordem estatística, ex. Spearman/Kendall

3.3 Steps¶

Termo	Significado
Diffusion/flow steps	atualizações de integração na trajetória do solver; distintas da contagem de avaliações do modelo
Training steps	optimizer updates
Agent steps	observe/act iterations
Reasoning/search steps	inference/search budget
Scheduler steps	discretização temporal/noise schedule

3.4 Context / window¶

Termo	Significado
LLM context window	tokens endereçáveis
Training sequence length	tokens processados por sample
Sliding attention window	subset local visível por token
Video temporal window	frames/latents simultâneos
Retrieval context	chunks injetados no prompt
Agent context	conversation/state/tool trace

3.5 Alpha / Beta¶

São símbolos genéricos, não conceitos.

Podem representar:

diffusion coefficients;
LoRA scaling;
optimizer betas;
DPO strength;
EMA coefficient;
statistical parameters.

Sempre usar nome qualificado.

4. LLM — architecture registry¶

Arquivo principal: 02_LLM_TRANSFORMER_INFERENCE_DATASHEET.

Parâmetro	Tag	Definição canônica	Efeito primário
`n_layers`	`ARCH`	número de Transformer blocks	capacity/compute/memory
`d_model` / hidden size	`ARCH`	largura do residual stream	params/compute
`n_heads`	`ARCH`	query attention heads	attention partition
`n_kv_heads`	`ARCH`	K/V heads	KV memory
`head_dim`	`ARCH`	dimensão por head	QK geometry
`ffn_dim` / intermediate size	`ARCH`	dimensão interna do FFN	params/compute
`vocab_size`	`MODEL`	tamanho do vocabulário	output matrix/tokenization
`max_position_embeddings`	`MODEL`	posição configurada nativamente	addressable sequence regime
`rope_theta`	`MODEL`	base/frequency parameter do RoPE	positional phase
`sliding_window`	`ARCH/MODEL`	atenção local limitada	compute/context locality
`num_experts`	`ARCH`	experts MoE totais	storage/capacity
`experts_per_token`	`ARCH`	top-k experts ativos	active compute
`router_aux_loss`	`TRAIN/OBJ`	balanceamento de experts	routing balance

5. LLM — attention / state registry¶

Parâmetro	Tag	Definição
Q	`STATE`	query vectors
K	`STATE`	key vectors
V	`STATE`	value vectors
KV cache	`STATE/BACKEND`	K/V persistidos para decode AR
KV dtype	`BACKEND`	precision/quantização do cache
KV offload	`BACKEND`	localização CPU/GPU do cache
MHA	`ARCH`	K/V head por Q head
GQA	`ARCH`	grupos de Q compartilham K/V
MQA	`ARCH`	um conjunto K/V compartilhado
MLA	`ARCH`	compressed latent attention state
attention mask	`ARCH/PIPE`	matriz/regra de visibilidade
causal mask	`ARCH`	impede olhar futuro em AR

6. LLM — inference/sampling registry¶

Parâmetro	Tag	Definição	Unidade/faixa conceitual
temperature	`INF`	divide logits antes do softmax	\(T>0\)
top-k	`INF`	mantém K tokens de maior score	inteiro
top-p	`INF`	menor conjunto cuja massa ≥ p	\(0<p\le1\)
min-p	`INF`	cutoff relativo ao token mais provável	\(0\le p\le1\)
typical-p	`INF`	filtra por typicality/self-information	\(0<p\le1\)
top-n-sigma	`INF`	threshold baseado em distribuição de logits	backend-specific
XTC	`INF`	exclusion/candidate pruning sampler	backend-specific
adaptive-p	`INF`	repondera probabilidades em torno de um alvo adaptativo, usando EMA das probabilidades originais dos tokens selecionados	backend-specific; implementação llama.cpp, registrar versão
repetition penalty	`INF`	modifica logits de tokens repetidos	ratio/factor
frequency penalty	`INF`	penalidade proporcional à frequência	escala
presence penalty	`INF`	penalidade por presença binária	escala
DRY	`INF`	penaliza repetição de sequências	multi-param
Mirostat	`INF`	feedback controller de surprise/perplexity	tau/eta/state
seed	`INF/BACKEND`	inicialização PRNG	integer/state
max new tokens	`INF`	output budget	tokens
stop tokens	`INF/PIPE`	interrupção por token IDs	set
stop strings	`PIPE`	interrupção textual	strings
grammar	`INF`	linguagem formal permitida	grammar/schema
reasoning budget	`INF/PIPE`	compute/token budget para reasoning	tokens/effort

7. Runtime registry¶

Arquivo: 09_LOCAL_AI_INFERENCE_RUNTIME_DATASHEET.

Parâmetro	Tag	Definição
bpw	`BACKEND`	bits efetivos por peso
weight dtype	`BACKEND`	representação dos pesos
compute dtype	`BACKEND`	dtype da multiplicação/acumulação
activation dtype	`BACKEND`	representação de activations
GPU layers/offload	`BACKEND`	fração/layers na GPU
batch size	`BACKEND`	sequences/tokens processados em lote
microbatch	`BACKEND/TRAIN`	unidade física menor do batch
flash attention	`BACKEND`	kernel memory-efficient attention family
mmap	`BACKEND`	memory-mapped weight loading
pinned memory	`BACKEND`	host pages para transferências rápidas
TTFT	`EVAL`	time to first token
TPOT	`EVAL`	time per output token
prompt TPS	`EVAL`	prefill token throughput
decode TPS	`EVAL`	generation token throughput
peak VRAM	`EVAL`	máximo device memory usado
peak RAM	`EVAL`	máximo host memory usado

8. Quantization registry¶

Termo	Definição
weight quantization	quantiza pesos persistentes
KV quantization	quantiza cache K/V
activation quantization	quantiza activations
group size	número de valores compartilhando quant params
scale	fator de dequantização
zero point	offset em quantização assimétrica
symmetric quantization	níveis centrados em zero
asymmetric quantization	usa zero point/intervalo deslocado
mixed precision	tensores/camadas em precisões diferentes
calibration set	dados usados para estimar quant params
quantization error	diferença original vs quantizado

Q4 sozinho é descrição insuficiente.

9. Image diffusion/flow registry¶

Arquivo: 04_IMAGE_GENERATION_DIFFUSION_FLOW_DATASHEET.

Parâmetro	Tag	Definição
latent width/height	`STATE`	resolução espacial latente
VAE scale factor	`MODEL`	relação pixel ↔ latent resolution
latent channels	`ARCH/MODEL`	canais no espaço latente
timestep \(t\)	`GEN`	coordenada da trajetória
sigma \(\sigma_t\)	`GEN`	noise level
alpha \(\alpha_t\)	`GEN`	signal coefficient
integration steps	`INF`	número de atualizações do solver na malha de integração
NFE_model	`INF`	avaliações do modelo por amostra gerada, incluindo branches separados de guidance
scheduler	`INF`	posições \(t_i/\sigma_i\) da malha
solver/sampler	`INF`	regra numérica entre pontos
CFG scale	`INF`	extrapolação cond/uncond
guidance	`INF/MODEL`	força/forma de conditioning; definição family-specific
denoise strength	`PIPE/INF`	ponto inicial/quanto ruído em img2img
flow shift	`INF/MODEL`	transformação do schedule em flow models
seed	`INF`	PRNG initial state
negative prompt	`PIPE/INF`	alternative conditioning em pipelines compatíveis
clip skip	`MODEL/PIPE`	layer selection em text encoder legacy/model-specific
Hires Fix	`PIPE`	segundo pass/upscale-refine

10. Solver versus scheduler registry¶

Conceito	Pergunta
Scheduler	onde avaliar a trajetória?
Solver	como avançar entre avaliações?
NFE_model	quantas avaliações do modelo são feitas por amostra gerada, contando cada branch de guidance?
Ancestral step	injeta componente estocástico durante trajetória?
Deterministic ODE step	integra campo sem noise injection extra?

Aqui, NFE significa NFE_model: cada branch de condicionamento/guidance é contado separadamente mesmo quando os branches são concatenados em um único forward em batch. Passos de integração, avaliações do campo guiado e avaliações do modelo podem diferir. Por exemplo, o sampler Heun do EDM usa 35 avaliações do modelo para 18 passos de integração, sem branches adicionais de guidance. A contagem acompanha o trabalho do modelo; batching, shapes e precisão afetam FLOPs e tempo de execução, que devem ser reportados separadamente.

Nunca usar sampler/scheduler como sinônimos genéricos.

11. Video registry¶

Arquivo: 05_VIDEO_GENERATION_SPATIOTEMPORAL_DATASHEET.

Termo	Tag	Definição
frames \(T\)	`STATE`	extensão temporal observável
latent frames	`STATE`	extensão após temporal compression
temporal compression ratio	`MODEL`	frames ↔ latent frames
spatial compression	`MODEL`	pixels ↔ latent spatial grid
fps	`PIPE/MODEL`	sample/display rate temporal
frame stride	`PIPE`	espaçamento de frames condicionantes
temporal window	`ARCH/PIPE`	janela processada conjuntamente
overlap	`PIPE`	frames compartilhados entre chunks
motion bucket/score	`MODEL/UI`	conditioning específico de algumas famílias
STG	`INF`	spatio-temporal guidance
audio guidance	`INF/MODEL`	guidance específico de áudio em joint AV model
continuation length	`PIPE`	horizonte de extensão do vídeo

12. Audio/speech registry¶

Arquivo: 06_AUDIO_MUSIC_TTS_GENERATION_DATASHEET.

Termo	Tag	Definição
sample rate	`MODEL/PIPE`	samples/second
hop length	`MODEL`	deslocamento STFT/mel frames
FFT size	`MODEL/PIPE`	número de pontos da FFT (`n_fft`); pode exceder o tamanho da janela por zero padding
window length	`MODEL/PIPE`	comprimento da janela de análise em amostras (`win_length`), distinto do tamanho da FFT
mel bins	`MODEL`	dimensão mel-spectrogram
codec frame rate	`MODEL`	latent/codec frames por segundo
codebooks	`ARCH/MODEL`	dicionários de vetores de código; em RVQ, estágios sucessivos quantizam o resíduo deixado pelos anteriores
bitrate	`MODEL/PIPE`	bits por segundo representados
duration	`INF/PIPE`	horizonte de geração
speaker embedding	`STATE/COND`	identidade vocal condicionante
similarity	`UI/EVAL`	pode ser knob vendor ou métrica; qualificar
stability	`UI`	vendor abstraction, sem definição universal
VAD threshold	`PIPE`	decisão speech/non-speech
endpointing	`PIPE`	regra para detectar fim do turno
chunk size	`PIPE/BACKEND`	janela streaming
lookahead	`ARCH/PIPE`	contexto futuro permitido
WER	`EVAL`	word error rate
RTF	`EVAL`	real-time factor

13. ASR-specific registry¶

Termo	Definição
blank token	símbolo CTC sem output
CTC collapse	remove repeats/blanks para formar transcript
acoustic encoder	mapeia áudio para states
prediction network	histórico de labels em transducer
joint network	combina acoustic/prediction state
beam size	hipóteses mantidas no decode
timestamp token	output relacionado ao tempo
diarization	quem falou quando
forced alignment	alinha texto conhecido ao áudio

14. 3D registry¶

Arquivo: 07_3D_GENERATION_REPRESENTATION_DATASHEET.

Termo	Definição
vertices \(V\)	posições da mesh
faces \(F\)	conectividade da mesh
SDF	signed distance field
density field	densidade volumétrica/NeRF-like
Gaussian mean \(\mu\)	posição de splat
covariance \(\Sigma\)	forma/orientação do Gaussian
opacity \(\alpha\)	contribuição volumétrica
SH/features	aparência direcional/cor
isosurface threshold	level set para extrair superfície
marching cubes resolution	grid usado na extração
poly count	faces após geração/decimation
watertightness	superfície fechada
manifoldness	validade topológica local
UV resolution	resolução de textura
PBR maps	material channels (albedo/roughness/metallic etc.)

15. Multimodal/VLM registry¶

Arquivo: 10_MULTIMODAL_VLM_OMNI_DATASHEET.

Termo	Tag	Definição
patch size	`ARCH/MODEL`	pixels por visual patch
vision tokens	`STATE`	tokens/states derivados da imagem
projector	`ARCH`	mapeia encoder dim → language dim
resampler	`ARCH`	comprime/adapta token count
Q-Former	`ARCH`	query-based bridge entre modalities
early fusion	`ARCH`	modalities combinadas cedo
joint fusion	`ARCH`	processing multimodal compartilhado
late fusion	`ARCH/PIPE`	combinar representações/decisões tardias
multimodal RoPE	`ARCH`	position encoding espaço/tempo/modalidade
visual token budget	`STATE/BACKEND`	contribuição da visão ao contexto
frame sampling	`PIPE`	subset temporal enviado ao modelo
grounding	`OBJ/EVAL`	associar output a região/tempo real

16. Retrieval/embedding registry¶

Arquivo: 11_EMBEDDING_RETRIEVAL_RERANKER_DATASHEET.

Termo	Tag	Definição
embedding dimension \(d\)	`MODEL`	dimensão vetorial
pooling	`MODEL/PIPE`	sequência → vetor
L2 normalization	`PIPE/MODEL`	\(z/\Vert z\Vert\) para z não nulo; implementações numéricas devem especificar epsilon ou política para vetor zero
cosine similarity	`INF`	similaridade angular normalizada
dot product	`INF`	produto interno
contrastive temperature \(\tau\)	`TRAIN/OBJ`	sharpness da loss contrastive
chunk size	`PIPE`	tamanho de fragmento indexado
chunk overlap	`PIPE`	conteúdo duplicado entre chunks
retrieval K	`INF`	candidatos recuperados
rerank K	`PIPE/INF`	candidatos enviados ao reranker
HNSW M	`INDEX`	conectividade do grafo HNSW
efConstruction	`INDEX`	search width durante build
efSearch	`INDEX/INF`	search width em consulta
IVF nlist	`INDEX`	número de coarse clusters
IVF nprobe	`INDEX/INF`	clusters pesquisados
PQ subquantizers	`INDEX`	divisão vetorial para product quantization
Recall@K	`EVAL`	fraction relevant recuperada
NDCG@K	`EVAL`	discounted ranking quality

17. Reward/verifier registry¶

Arquivo: 12_REWARD_VERIFIER_JUDGE_DATASHEET.

Termo	Tag	Definição
reward \(r\)	`OBJ/EVAL`	scalar utility proxy
chosen/rejected	`DATA/ALIGN`	preference pair
ORM	`MODEL`	outcome reward model
PRM	`MODEL`	process reward model
generative verifier	`MODEL/PIPE`	reasoning/critique → verdict
judge	`PIPE/EVAL`	evaluator model/human
rubric	`EVAL`	critérios explícitos
calibration	`EVAL`	match confidence ↔ empirical correctness
position bias	`EVAL`	preferência dependente da ordem
verbosity bias	`EVAL`	preferência por respostas longas
best-of-N	`INF/PIPE`	sample N + select

18. Agent registry¶

Arquivo: 08_AGENT_ACTION_CONTROL_SYSTEM_DATASHEET.

Termo	Tag	Definição
tool schema	`PIPE`	interface formal da ação
tool choice	`INF/PIPE`	seleção de ação/tool
strict schema	`INF/PIPE`	constrained syntax
retry budget	`PIPE`	máximo de reexecuções
step budget	`PIPE`	máximo de agent loop iterations
tool budget	`PIPE/SEC`	máximo de tool calls/cost
state	`STATE`	memória operacional do agente
HITL	`SEC/PIPE`	aprovação humana antes de ação
idempotency	`SEC/PIPE`	repetir não multiplica efeito
rollback	`SEC/PIPE`	reverter mudança
policy hook	`SEC`	valida ação em runtime
capability	`SEC/PIPE`	operação concedida ao agente

19. World model / VLA registry¶

Arquivo: 13_WORLD_MODEL_VLA_EMBODIED_AI_DATASHEET.

Termo	Definição
state \(s_t\)	representação do ambiente
action \(a_t\)	comando aplicado
transition model	\(p(s_{t+1}\vert s_t,a_t)\)
observation \(o_t\)	measurement parcial do estado
belief state	distribuição/latent sobre estado oculto
rollout horizon \(H\)	passos imaginados
action chunk	sequência de ações prevista em bloco
diffusion policy	trajectory denoising em action space
flow policy	vector field em action trajectory
MPC horizon	horizonte de otimização/model-predictive control
success rate	tarefa concluída
collision rate	eventos de segurança física

20. Time-series registry¶

Arquivo: 14_TIME_SERIES_TABULAR_FOUNDATION_MODELS.

Termo	Definição
context length	histórico observado
horizon	futuro previsto
patch length	pontos agrupados por token/patch
stride	deslocamento entre patches
frequency	sample interval/rate
covariates	variáveis auxiliares
quantile \(\tau\)	nível da distribuição prevista
prediction interval	faixa probabilística
MAE	mean absolute error
RMSE	root mean squared error
MAPE	relative percentage metric com caveat em zeros
CRPS	scoring rule para distribuição cumulativa

21. Tabular registry¶

Termo	Definição
feature tokenization	coluna/valor → representation
categorical embedding	embedding de categoria
missingness indicator	representação explícita de ausência
row attention	relações entre registros
column attention	relações entre atributos
in-context training set	exemplos tabulares fornecidos como contexto
PFN	Prior-Data Fitted Network family
AUROC	ranking metric binária
log loss	probabilistic classification loss

22. Graph registry¶

Arquivo: 15_GRAPH_FOUNDATION_MODELS_DATASHEET.

Termo	Definição
node	elemento \(v\in V\)
edge	relação \((u,v)\in E\)
degree	número de conexões
adjacency	estrutura de conectividade
message passing	agregação neighbor → node
neighborhood \(\mathcal N(v)\)	nós vizinhos
aggregation \(\oplus\)	sum/mean/max/attention etc.
graph depth	message-passing layers
oversmoothing	node states tornam-se semelhantes
oversquashing	informação distante comprimida em bottleneck
Laplacian PE	positional encoding espectral
random-walk PE	position/structure via walk statistics
link prediction	inferir arestas
graph generation	gerar topologia/atributos

23. Training registry¶

Arquivo: 16_TRAINING_ALIGNMENT_ADAPTATION_DATASHEET.

Parâmetro	Tag	Definição
learning rate \(\eta\)	`TRAIN`	magnitude base do optimizer update
batch size	`TRAIN`	samples por update lógico
microbatch	`TRAIN`	samples por forward/backward físico
gradient accumulation	`TRAIN`	microsteps acumulados antes do optimizer
warmup	`TRAIN`	fase de LR crescente
weight decay	`TRAIN`	regularização do peso
gradient clipping	`TRAIN`	limita norm/magnitude do gradiente
optimizer betas	`TRAIN`	EMA coefficients em Adam-like
sequence length	`TRAIN`	tokens por sample/janela
packing	`DATA/TRAIN`	combinação de samples na janela
epochs	`TRAIN`	passes sobre dataset
steps	`TRAIN`	optimizer updates
tokens seen	`TRAIN/EVAL`	volume real processado

24. SFT / alignment registry¶

Termo	Definição
SFT	supervised fine-tuning
completion-only loss	prompt masked da loss
preference pair	\((x,y_w,y_l)\)
reward model	preferences → scalar
DPO beta	strength/log-ratio scaling no DPO
KL coefficient	limita policy drift
GRPO group size	samples por prompt para relative advantages
reward std	diversidade de signal no group
rollout length	response/action horizon gerado
clipping epsilon	banda de clipping da razão de probabilidades no objetivo surrogate de PPO; não garante limite rígido nas mudanças de parâmetros ou KL
GSPO sequence ratio	likelihood ratio normalizado por comprimento
RLVR	reinforcement learning com reward verificável

25. PEFT registry¶

Termo	Definição
LoRA rank \(r\)	low-rank dimension
LoRA alpha	scale do adapter update
target modules	matrizes que recebem adapter
LoRA dropout	dropout no adapter path
QLoRA	quantized frozen base + trainable LoRA
DoRA	magnitude/direction decomposed adaptation
PiSSA/EVA/LoftQ init	strategies de inicialização/adaptação
adapter merge	incorpora delta no base weight
modules_to_save	módulos extra treinados/salvos

26. Distillation registry¶

Termo	Definição
teacher	modelo que fornece target/signal
student	modelo treinado para imitá-lo
distillation temperature	suavização da distribuição teacher/student
hard targets	labels/answers discretos
soft targets	logits/probabilities
sequence distillation	teacher outputs viram training text
reasoning distillation	teacher trajectories/rationales viram supervision
on-policy distillation	student gera states/trajectories avaliados pelo teacher
dataset distillation	comprime informação num dataset sintético compacto

27. Model merging registry¶

Termo	Definição
linear merge	média ponderada de parameters
task vector	\(\tau=\theta_{ft}-\theta_{base}\)
task arithmetic	soma ponderada de task vectors
SLERP	spherical linear interpolation
TIES	trim + sign resolve + merge
DARE	drop-and-rescale task deltas
density	fraction de deltas retidos
merge weight	contribuição de cada source model
base model	referência comum para task vectors

28. Evaluation registry¶

Arquivo: 17_EVALUATION_BENCHMARK_EXPERIMENTATION_DATASHEET.

Métrica	Definição
accuracy	correct / total
exact match	igualdade após normalização
precision	TP/(TP+FP)
recall	TP/(TP+FN)
F1	harmônica de precision/recall
pass@k	chance de ao menos uma solução correta em k
perplexity	exponential mean NLL
Brier score	squared probabilistic error
ECE	calibration bin gap
WER	(S+D+I)/N
MRR	mean reciprocal rank
NDCG	normalized discounted cumulative gain
MAE	mean absolute error
RMSE	root mean squared error
TTFT	time to first token
TPOT	time per output token
TPS	tokens/second
p95/p99	latency tail percentile
CI	confidence interval
effect size	magnitude prática da diferença

29. Statistical registry¶

Termo	Definição
sample mean \(\bar x\)	estimativa de média
sample variance \(s^2\)	dispersion estimate
standard error	desvio-padrão da distribuição amostral de uma estatística
estimated standard error of the mean	\(s/\sqrt N\) para N observações iid com variância finita; s é o desvio-padrão amostral (NIST); observações dependentes exigem estimador de variância adequado ao desenho
confidence interval	interval estimate
bootstrap	resampling com reposição
paired comparison	mesma unidade avaliada por A e B
permutation test	null distribution por troca aleatória
McNemar	teste pareado para outcomes binários
power	chance de detectar efeito real dado tamanho
saturation	benchmark perde discriminação entre sistemas
contamination	eval evidence presente no training/development

30. Security registry¶

Arquivo: 18_SECURITY_ROBUSTNESS_FAILURE_MODES_DATASHEET.

Termo	Tag	Definição
prompt injection	`SEC`	conteúdo altera intended instruction/control flow
indirect injection	`SEC`	instrução hostil vem de external content
jailbreak	`SEC`	bypass de behavioral policy
data poisoning	`SEC/DATA`	treino contaminado deliberadamente
backdoor	`SEC/MODEL`	trigger → hidden malicious behavior
RAG poisoning	`SEC`	corpus/index manipulado
excessive agency	`SEC`	functionality/permissions/autonomy acima do necessário
goal hijack	`SEC`	objetivo operacional desviado
tool misuse	`SEC`	ferramenta válida usada de forma perigosa
memory poisoning	`SEC`	estado persistente malicioso
supply-chain attack	`SEC`	artefato/dependency/provider comprometido
HITL	`SEC/PIPE`	human approval gate
sandbox	`SEC/BACKEND`	isolamento de execução
least privilege	`SEC`	permission scope mínimo
circuit breaker	`SEC/PIPE`	parada automática por condição
ASR	`EVAL/SEC`	attack success rate — não confundir com Automatic Speech Recognition

A colisão ASR é particularmente perigosa nesta coleção. Em áudio significa Automatic Speech Recognition; em segurança significa Attack Success Rate. Sempre escrever por extenso na primeira ocorrência.

31. UI knob registry — trate com suspeita saudável¶

Knobs como:

Creativity;
Stability;
Quality;
Motion;
Stylization;
Guidance;
Strength;
Fidelity;

podem mapear para mecanismos diferentes por produto.

Regra:

\[ UIKnob \xrightarrow{documentar} UnderlyingParameter(s) \]

Sem essa tradução, não inserir como lei no datasheet.

32. Backend alias examples¶

Context¶

Possíveis nomes:

n_ctx;
context_length;
max_context;
num_ctx.

Conceito canônico:

runtime context/token capacity.

Repetition¶

repeat_penalty;
repetition_penalty.

GPU offload¶

n_gpu_layers;
gpu_layers;
percent offload.

O registry deve mapear aliases para um conceito, não proliferar entradas.

33. Unit registry¶

Memory¶

Usar preferencialmente:

bytes;
MiB/GiB para memória binária.

\[ 1GiB=2^{30}bytes \]

GB pode ser usado apenas quando fonte/vendor usar decimal, deixando claro.

Bandwidth¶

GB/s ou GiB/s conforme fonte; não misturar sem converter.

Compute¶

FLOP/s e tokens/s medem coisas diferentes.

Time¶

Duração:

ms;
s.

Taxas (contagens por unidade de tempo):

frames/s;
samples/s;
tokens/s.

34. Canonical naming policy¶

Preferir:

Sampling Temperature
Contrastive Temperature
Distillation Temperature

a três entradas “Temperature”.

Preferir:

Diffusion Steps
Training Steps
Agent Steps

a “Steps”.

35. Parameter card template¶

Toda nova variável importante deve poder ser registrada assim:

### Canonical Name

- Symbol:
- Domain:
- Provenance tag:
- Type/unit:
- Valid mathematical range:
- Typical implementation range:
- Governing equation:
- Direct effect:
- Coupled variables:
- Physical cost:
- Failure surface:
- Backend aliases:
- Do not confuse with:
- Source / snapshot:

36. Law versus implementation range¶

Distinguir:

Mathematical domain¶

Ex.:

\[ T>0 \]

para sampling temperature.

Backend accepted range¶

Pode ser:

0..2

por UI.

Empirical operating range¶

Pode ser:

0.7..1.2

para um modelo específico.

São três coisas diferentes.

37. Native/model parameter versus user control¶

Exemplo:

n_kv_heads é ARCH.

Você normalmente não muda em inferência.

KV dtype é BACKEND.

Você pode mudar runtime.

temperature é INF.

Você muda por request.

Essa classificação evita procurar um slider inexistente para propriedade arquitetural.

38. Causality strength¶

Podemos classificar alavancas:

Direct control¶

Transformação matemática explícita:

temperature;
top-p;
CFG;
solver;
LR.

Indirect conditioning¶

prompt;
reference image;
retrieval context.

Frozen state¶

weights;
tokenizer;
architecture.

Environmental/system control¶

tool permissions;
sandbox;
index.

Essa classificação deve acompanhar interpretações de causalidade.

39. Parameter coupling notation¶

Quando útil, registrar sinal local:

\[ \frac{\partial Y}{\partial x}>0 \]

mas somente se relação for monotônica no regime discutido.

Se não:

\[ Y(x)\text{ is non-monotonic} \]

é mais correto que desenhar seta enganosa.

40. Snapshot field¶

Entradas dependentes de implementação devem ter:

snapshot: YYYY-MM-DD
backend/model: ...

Equações matemáticas permanentes não precisam de “versão 2026” no significado.

41. Deprecated/legacy registry¶

Nunca apagar silenciosamente termo antigo importante.

Marcar:

status: legacy
superseded_by: ...

Exemplos potenciais:

knobs específicos de SVD;
Clip Skip fora das famílias em que faz sentido;
UI parameters removidos.

42. Semantic drift detector¶

Antes de adicionar novo termo, pergunte:

já existe canonical concept?
é alias de backend?
é UI abstraction?
é family-specific?
muda equação ou apenas nome?

Se não muda definição:

\[ NewName\rightarrow Alias \]

não nova entidade.

43. Regra de manutenção do registry¶

Adicionar entrada quando ao menos uma condição valer:

parâmetro aparece em mais de um datasheet;
nome colide semanticamente;
knob é frequentemente confundido;
custo físico depende dele;
é necessário para reproduzir experimento;
é eixo arquitetural importante.

Não registrar todo argumento de toda CLI.

44. Mapa de documentos¶

Domínio	Documento
ontologia	01_GUT_GENERATIVE_AI_UNIFIED_ENGINEERING
LLM	02_LLM_TRANSFORMER_INFERENCE_DATASHEET
código	03_CODE_GENERATION_AND_AGENTIC_CODING_DATASHEET
imagem	04_IMAGE_GENERATION_DIFFUSION_FLOW_DATASHEET
vídeo	05_VIDEO_GENERATION_SPATIOTEMPORAL_DATASHEET
áudio/speech	06_AUDIO_MUSIC_TTS_GENERATION_DATASHEET
3D	07_3D_GENERATION_REPRESENTATION_DATASHEET
agentes	08_AGENT_ACTION_CONTROL_SYSTEM_DATASHEET
runtime	09_LOCAL_AI_INFERENCE_RUNTIME_DATASHEET
multimodal	10_MULTIMODAL_VLM_OMNI_DATASHEET
retrieval	11_EMBEDDING_RETRIEVAL_RERANKER_DATASHEET
reward/judge	12_REWARD_VERIFIER_JUDGE_DATASHEET
world/VLA	13_WORLD_MODEL_VLA_EMBODIED_AI_DATASHEET
time series/tabular	14_TIME_SERIES_TABULAR_FOUNDATION_MODELS
graph	15_GRAPH_FOUNDATION_MODELS_DATASHEET
training	16_TRAINING_ALIGNMENT_ADAPTATION_DATASHEET
evaluation	17_EVALUATION_BENCHMARK_EXPERIMENTATION_DATASHEET
security	18_SECURITY_ROBUSTNESS_FAILURE_MODES_DATASHEET

45. Regra final¶

Quando alguém disser:

“aumente X”

primeiro responda mentalmente:

\[ \boxed{ Qual\ X? } \]

Depois:

em qual domínio?
em qual camada?
qual equação?
qual backend/model?
qual custo físico?
qual observável muda?
qual failure surface?

Só então mexa no slider.

Referências de implementação¶

Este registry é derivado dos datasheets da coleção. Para definições versionadas de implementações, consulte as referências snapshot no documento específico.

Referências particularmente úteis para aliases/estado atual:

llama.cpp — https://github.com/ggml-org/llama.cpp
Hugging Face Transformers — https://huggingface.co/docs/transformers/
Hugging Face PEFT — https://huggingface.co/docs/peft/main/index
Hugging Face TRL — https://huggingface.co/docs/trl/index
Hugging Face Diffusers — https://huggingface.co/docs/diffusers/
mergekit — https://github.com/arcee-ai/mergekit