Guilherme Shinohara, aluno da Universidade Federal de Mato Grosso do Sul (UFMS), apresentou no ENIAC 2026 o artigo “Small Language Models for Real-World Task Automation in Resource-Constrained Environments”. O trabalho investiga como modelos de linguagem pequenos (SLMs) podem apoiar a automação de tarefas práticas quando os recursos computacionais são limitados.
O estudo avalia o equilíbrio entre tempo de resposta e desempenho nas tarefas ao executar SLMs em hardware limitado, além de comparar suas respostas com as de modelos de linguagem maiores. Essa linha de pesquisa pode ajudar a identificar quando modelos menores são uma boa opção para aplicações que precisam funcionar localmente ou com orçamento computacional restrito.
O ENIAC é o Encontro Nacional de Inteligência Artificial e Computacional. Em sua 23ª edição, o ENIAC 2026 acontece em Cuiabá em conjunto com o BRACIS 2026, reunindo pesquisadores e estudantes para apresentar trabalhos nas áreas de inteligência artificial e inteligência computacional.
O artigo é de H. R. B. Gonçalves, P. B. G. Neto, Guilherme Shinohara, J. de A. Silva e Brivaldo A. da Silva Jr.