Capacitação
Duas frentes de formação: o estudo coletivo permanente do Grupo de Estudos e os cursos e oficinas sobre Inteligência Artificial.
Grupo de Estudos
O Grupo de Estudos é a instância de estudo coletivo do laboratório. As reuniões são quinzenais e cada semestre tem um tema, fixado no início do período e trabalhado até o fim dele.
A leitura é de artigo de fronteira, não de material introdutório. Cada encontro tem uma leitura obrigatória e um conjunto de complementares. A discussão é organizada por um sistema de relatoria: três participantes por reunião preparam as questões e conduzem o debate. A função circula, então todo mundo passa pelo lugar de quem apresenta.
Cursos
O BLIS desenha cursos e oficinas sobre Inteligência Artificial em formatos que variam com o público, de turmas curtas a trilhas longas, do primeiro contato com aprendizado de máquina a tópicos de fronteira.
Os temas recorrentes são os fundamentos técnicos de IA e modelos de linguagem; IA generativa aplicada, com RAG, agentes, automação e avaliação de resposta; arquitetura de solução e integração com sistemas existentes; governança técnica, com métricas, risco, auditoria, documentação e monitoramento; segurança de modelos; e IA aplicada ao Direito.
Grupo de Estudos
Semestres
Cada semestre tem um tema e um roteiro de leitura. Abaixo, o que foi lido e discutido em cada encontro.
2026/1Engenharia de IA
Obra de referência do semestre: AI Engineering: Building Applications with Foundation Models, Chip Huyen.
Apresentação do semestre
28.03.2026Abertura do semestre: tema, roteiro de leitura, divisão da relatoria e combinados do grupo.
Mecanismo de Atenção e Engenharia de Prompts
11.04.2026- Language Models are Few-Shot Learners. Brown et al., 2020.Obrigatória
- Attention Is All You Need. Vaswani et al., 2017.
- Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. Wei et al., 2022.
- Large Language Models Are Human-Level Prompt Engineers. Zhou et al., 2022.
RAG Básico
25.04.2026- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Lewis et al., 2020.Obrigatória
- Dense Passage Retrieval for Open-Domain Question Answering. Karpukhin et al., 2020.
- Lost in the Middle: How Language Models Use Long Contexts. Liu et al., 2023.
- MTEB: Massive Text Embedding Benchmark. Muennighoff et al., 2022.
RAG Avançado
09.05.2026- Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection. Asai et al., 2023.Obrigatória
- BEIR: A Heterogeneous Benchmark for Zero-shot Evaluation of Information Retrieval Models. Thakur et al., 2021.
- Precise Zero-Shot Dense Retrieval without Relevance Labels. Gao et al., 2022.
- RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval. Sarthi et al., 2024.
Agente ReAct
23.05.2026- ReAct: Synergizing Reasoning and Acting in Language Models. Yao et al., 2022.Obrigatória
- Cognitive Architectures for Language Agents. Sumers et al., 2023.
- MemGPT: Towards LLMs as Operating Systems. Packer et al., 2023.
- Toolformer: Language Models Can Teach Themselves to Use Tools. Schick et al., 2023.
Multi-Agentes com Supervisor
06.06.2026- AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation. Wu et al., 2023.Obrigatória
- AgentBench: Evaluating LLMs as Agents. Liu et al., 2023.
- CAMEL: Communicative Agents for Mind Exploration of Large Language Model Society. Li et al., 2023.
Avaliação (Evals)
20.06.2026- Ragas: Automated Evaluation of Retrieval Augmented Generation. Es et al., 2023.Obrigatória
- ARES: An Automated Evaluation Framework for Retrieval-Augmented Generation Systems. Saad-Falcon et al., 2023.
- G-Eval: NLG Evaluation using GPT-4 with Better Human Alignment. Liu et al., 2023.
- Judging the Judges: Evaluating Alignment and Vulnerabilities in LLMs-as-Judges. Thakur et al., 2024.
Segurança em LLMs
04.07.2026- Ignore Previous Prompt: Attack Techniques For Language Models. Perez e Ribeiro, 2022.Obrigatória
- AgentDojo: A Dynamic Environment to Evaluate Prompt Injection Attacks and Defenses for LLM Agents. Debenedetti et al., 2024.
- Baseline Defenses for Adversarial Attacks Against Aligned Language Models. Jain et al., 2023.
- Not what you've signed up for: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection. Greshake et al., 2023.
- Universal and Transferable Adversarial Attacks on Aligned Language Models. Zou et al., 2023.
Sistema Integrado Final
18.07.2026Encontro de fechamento, dedicado à integração do que foi construído no semestre.
Quer participar do Grupo de Estudos?
A entrada acontece por edital semestral ou por carta de interesse.