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
sonicmoe
replay-ssm
memory-audit
token-rounding
moe-quantization
joint-perception
pt-br
Ctrl+K
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)
8b92760 verified - acelerado 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)
- dados KHTST v16 KHMAMBAJEPA (doc 28): QUANTIZAÇÃO TORCHAO REAL auto CPU/GPU (int8_wo 237 camadas 3.92×, erro ≤ h/√12 — Teo 28.1, Δperda 0.000, rollback Teo 28.4); MC-JEPA/Brain-JEPA em CYTHON com gradiente ANALÍTICO (Teo 28.9 — FD 4.2e-11) e GUARDA anti-colapso (Teo 28.10); AUTORREGULAÇÃO TOTAL Robbins–Monro no treino E na inferência (Teos 28.5–28.8; temperatura por entropia-alvo); 14 TAREFAS com robô LeRobot ×4 (instruções reais) e matemática VERIFICÁVEL ×5; A/B pareado honesto; v14: GSQ+RCO TOTAIS (doc 27): RANDOM FOREST com buffer COMPACTO GSQ (id uint8 + norma fp16 = 3 B vs 4d B — compressão 256×, materialização just-in-time, Teo 27.3) e codebook STIEFEL aprendido pelo path suave da DNN — DECORRELAÇÃO DAS ÁRVORES provada (Cov = ⟨c_a,c_b⟩/d = 0; derruba a parcela ρσ² de Breiman que o bagging não remove — Teo 27.1); RCO nas NoPE (W_q, W_k ∈ St(d,d)) com COTA ESTRUTURAL DO LOGIT ℓ_max ≤ d/√dh = 27,7 < τ_qk = 100 — QK-Clip ESTRUTURALMENTE INATIVO, a restrição riemanniana SUBSTITUI o clip corretivo (Teo 27.2, contraprova sem RCO: 3269); GATE GSQ nos MECANISMOS DE ATENÇÃO dos encoders + gate cooperativo (seleção global/janela/linear quantizada — Teo 27.4); AJUSTE ANALÍTICO K/τ_min pelo espectro REAL: K* = argmin J(K), J(K) = (1−λ_c)·ε²(K) + λ_c·log₂K/log₂d (varredura exata, T27.6) e τ_min* = min(barreira, Δ₂/4) — trade-off compressão×erro do codebook; ECKART–YOUNG no modo subespaço (ε² = 1−E(K) — T27.5); PERCEPÇÃO CONJUNTA imagem⊕LRA⊕cinza com DETECÇÃO PARALELA DE ESCALA DE CINZA (χ = (max−min)/(max+ε), s = 1−χ̄: identidade, Lipschitz, gate γ_c nascido 0 — Teos 27.7/27.8); LOTE EFETIVO por ACUMULAÇÃO DE GRADIENTE (E[ĝ]=∇L(lote cheio), Var ↓ √n_acc — Teo 27.9); treino curto REAL pareado (620 registros); 13 suítes verdes (452 ✓), nascimento neutro (T27.11)
- ensemble 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
- geracao 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
- mamba3 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)
- memoria KHTST v16 KHMAMBAJEPA (doc 28): QUANTIZAÇÃO TORCHAO REAL auto CPU/GPU (int8_wo 237 camadas 3.92×, erro ≤ h/√12 — Teo 28.1, Δperda 0.000, rollback Teo 28.4); MC-JEPA/Brain-JEPA em CYTHON com gradiente ANALÍTICO (Teo 28.9 — FD 4.2e-11) e GUARDA anti-colapso (Teo 28.10); AUTORREGULAÇÃO TOTAL Robbins–Monro no treino E na inferência (Teos 28.5–28.8; temperatura por entropia-alvo); 14 TAREFAS com robô LeRobot ×4 (instruções reais) e matemática VERIFICÁVEL ×5; A/B pareado honesto; v14: GSQ+RCO TOTAIS (doc 27): RANDOM FOREST com buffer COMPACTO GSQ (id uint8 + norma fp16 = 3 B vs 4d B — compressão 256×, materialização just-in-time, Teo 27.3) e codebook STIEFEL aprendido pelo path suave da DNN — DECORRELAÇÃO DAS ÁRVORES provada (Cov = ⟨c_a,c_b⟩/d = 0; derruba a parcela ρσ² de Breiman que o bagging não remove — Teo 27.1); RCO nas NoPE (W_q, W_k ∈ St(d,d)) com COTA ESTRUTURAL DO LOGIT ℓ_max ≤ d/√dh = 27,7 < τ_qk = 100 — QK-Clip ESTRUTURALMENTE INATIVO, a restrição riemanniana SUBSTITUI o clip corretivo (Teo 27.2, contraprova sem RCO: 3269); GATE GSQ nos MECANISMOS DE ATENÇÃO dos encoders + gate cooperativo (seleção global/janela/linear quantizada — Teo 27.4); AJUSTE ANALÍTICO K/τ_min pelo espectro REAL: K* = argmin J(K), J(K) = (1−λ_c)·ε²(K) + λ_c·log₂K/log₂d (varredura exata, T27.6) e τ_min* = min(barreira, Δ₂/4) — trade-off compressão×erro do codebook; ECKART–YOUNG no modo subespaço (ε² = 1−E(K) — T27.5); PERCEPÇÃO CONJUNTA imagem⊕LRA⊕cinza com DETECÇÃO PARALELA DE ESCALA DE CINZA (χ = (max−min)/(max+ε), s = 1−χ̄: identidade, Lipschitz, gate γ_c nascido 0 — Teos 27.7/27.8); LOTE EFETIVO por ACUMULAÇÃO DE GRADIENTE (E[ĝ]=∇L(lote cheio), Var ↓ √n_acc — Teo 27.9); treino curto REAL pareado (620 registros); 13 suítes verdes (452 ✓), nascimento neutro (T27.11)
- metricas 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
- nlg 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
- nlp KHTST v12 — TRONCO MAMBA-3 SUBSTITUI O TRANSFORMER (pilha híbrida 5:1 NoPE com microunidades/MoE preservados — Teos 24.12/24.14); DECODE INCREMENTAL PROVADO equivalente à varredura, Δ=1,8e-06, memória O(1)/camada e KV-cache só na NoPE (Teo 24.13); MUONCLIP + ADAMW: Muon Newton-Schulz nas matrizes (descida espectral, progresso ∝ ‖G‖_* — Teos 24.1–24.5) + AdamW nas tabelas lexicais (Teo 24.6) + QK-CLIP com invariante ℓ_max ≤ τ e softmax sem saturação (Teos 24.7–24.8); PERCEPÇÃO 3D PROVADA — profundidade ordinal (isotonia), distância Lipschitz, camadas separadas, fusão não-expansiva (Teos 25.1–25.4) com ACELERAÇÃO O(P) vs O(P²) medida 1,65×→3,61× (Teo 25.5); ACESSO LÓGICO AOS DIFUSORES — roteador bayesiano txt2img/img2img/inpaint com força semântica real e seed determinística (Teos 25.8–25.10); 13 ÓRFÃOS corrigidos (LISTA_TAREFAS sem import, features do ensemble do tronco Mamba-3, INTENCOES fonte única, CacheRAM no RLHF, HubFerramentas+CicloPDCA no serviço, janela 1M na sessão); fidelidade de recarga δ 2,0 → 0,021; 11 suítes verdes (438 verificações); teste com DADOS REAIS APROVADO
- nucleo 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)
- percepcao 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)
- qualidade 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
- quanta 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)
- raciocinio 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
- servico KHTST v12 — TRONCO MAMBA-3 SUBSTITUI O TRANSFORMER (pilha híbrida 5:1 NoPE com microunidades/MoE preservados — Teos 24.12/24.14); DECODE INCREMENTAL PROVADO equivalente à varredura, Δ=1,8e-06, memória O(1)/camada e KV-cache só na NoPE (Teo 24.13); MUONCLIP + ADAMW: Muon Newton-Schulz nas matrizes (descida espectral, progresso ∝ ‖G‖_* — Teos 24.1–24.5) + AdamW nas tabelas lexicais (Teo 24.6) + QK-CLIP com invariante ℓ_max ≤ τ e softmax sem saturação (Teos 24.7–24.8); PERCEPÇÃO 3D PROVADA — profundidade ordinal (isotonia), distância Lipschitz, camadas separadas, fusão não-expansiva (Teos 25.1–25.4) com ACELERAÇÃO O(P) vs O(P²) medida 1,65×→3,61× (Teo 25.5); ACESSO LÓGICO AOS DIFUSORES — roteador bayesiano txt2img/img2img/inpaint com força semântica real e seed determinística (Teos 25.8–25.10); 13 ÓRFÃOS corrigidos (LISTA_TAREFAS sem import, features do ensemble do tronco Mamba-3, INTENCOES fonte única, CacheRAM no RLHF, HubFerramentas+CicloPDCA no serviço, janela 1M na sessão); fidelidade de recarga δ 2,0 → 0,021; 11 suítes verdes (438 verificações); teste com DADOS REAIS APROVADO
- telemetria 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
- treino 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)
- 0 Bytes 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
- 31.7 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)
- 3.32 kB KHTST v16 KHMAMBAJEPA (doc 28): QUANTIZAÇÃO TORCHAO REAL auto CPU/GPU (int8_wo 237 camadas 3.92×, erro ≤ h/√12 — Teo 28.1, Δperda 0.000, rollback Teo 28.4); MC-JEPA/Brain-JEPA em CYTHON com gradiente ANALÍTICO (Teo 28.9 — FD 4.2e-11) e GUARDA anti-colapso (Teo 28.10); AUTORREGULAÇÃO TOTAL Robbins–Monro no treino E na inferência (Teos 28.5–28.8; temperatura por entropia-alvo); 14 TAREFAS com robô LeRobot ×4 (instruções reais) e matemática VERIFICÁVEL ×5; A/B pareado honesto; v14: GSQ+RCO TOTAIS (doc 27): RANDOM FOREST com buffer COMPACTO GSQ (id uint8 + norma fp16 = 3 B vs 4d B — compressão 256×, materialização just-in-time, Teo 27.3) e codebook STIEFEL aprendido pelo path suave da DNN — DECORRELAÇÃO DAS ÁRVORES provada (Cov = ⟨c_a,c_b⟩/d = 0; derruba a parcela ρσ² de Breiman que o bagging não remove — Teo 27.1); RCO nas NoPE (W_q, W_k ∈ St(d,d)) com COTA ESTRUTURAL DO LOGIT ℓ_max ≤ d/√dh = 27,7 < τ_qk = 100 — QK-Clip ESTRUTURALMENTE INATIVO, a restrição riemanniana SUBSTITUI o clip corretivo (Teo 27.2, contraprova sem RCO: 3269); GATE GSQ nos MECANISMOS DE ATENÇÃO dos encoders + gate cooperativo (seleção global/janela/linear quantizada — Teo 27.4); AJUSTE ANALÍTICO K/τ_min pelo espectro REAL: K* = argmin J(K), J(K) = (1−λ_c)·ε²(K) + λ_c·log₂K/log₂d (varredura exata, T27.6) e τ_min* = min(barreira, Δ₂/4) — trade-off compressão×erro do codebook; ECKART–YOUNG no modo subespaço (ε² = 1−E(K) — T27.5); PERCEPÇÃO CONJUNTA imagem⊕LRA⊕cinza com DETECÇÃO PARALELA DE ESCALA DE CINZA (χ = (max−min)/(max+ε), s = 1−χ̄: identidade, Lipschitz, gate γ_c nascido 0 — Teos 27.7/27.8); LOTE EFETIVO por ACUMULAÇÃO DE GRADIENTE (E[ĝ]=∇L(lote cheio), Var ↓ √n_acc — Teo 27.9); treino curto REAL pareado (620 registros); 13 suítes verdes (452 ✓), nascimento neutro (T27.11)