AURORA v7 — RETREINO OBSERVADO: estados antigos apagados; treino do zero com monitor de RAM integral (Agente Engenheiro); métricas de tests/test_aurora_v6.py comparadas com o treino anterior; gráficos de desempenho publicados no card

AURORA v6 COMPLETO: roteamento por S-SOM (doc 18 §1, Teoremas 18.1–18.3), Reward/Punishment/Penalty (doc 18 §2), SGDR T_mult, pacote integral de métricas (CLIP/ITM/PPL-mm, CIDEr/BLEU/ROUGE/METEOR, MMMU/MME/MathVista proxies PT-BR, QE/TE/distorção/σ/α/drift/freq/U-Matrix), estados antigos apagados — treino do zero

AURORA v5 COMPLETO: atenção entre MoEs e variantes SOM (Teoremas 16.1–16.6), difusão multimodal (doc 17), quantização REAL sem fakes (torchao/QAT/FP8/BnB, doc 08 §§7–9), Agente Engenheiro com telemetria integral, vocab 16384, n_experts_fusao=4, treino do zero

AURORA v4 COMPLETO: vocab 16384, n_experts_fusao=4, auto-escala por computo (Teoremas 12.1-12.3), NLP/NLG (Teorema 15.1), contexto 1M indexado (13.1-13.2), Medusa em árvore (14.1-14.2), duas fases com SOM sem neurônios isolados A=1.0 (15.2), W8A8 por grupo + correção de viés (8.4-8.5)

AURORA v3: microunidades escaláveis (serial/paralela/isolada/recursiva), Transformers+CNN-BiGRU+BiGRU, memória interna conficiente, PRS V8, MTP K adaptativo, crescimento por Hessiano

AURORA v2: MoE agrupável, denso→SOM, estados no Hub, 18 datasets streaming

AURORA: arquitetura multimodal com 8 SOMs, PDCA, W8A8 e matemática provada