diff --git a/docs/autoregressive/autoregressive.md b/docs/autoregressive/autoregressive.md
index c6eaef0..2696200 100644
--- a/docs/autoregressive/autoregressive.md
+++ b/docs/autoregressive/autoregressive.md
@@ -88,7 +88,7 @@ A arquitetura das WFMs autoregressivas segue três componentes principais:
         - $QK^T$ = produto escalar entre queries e keys
         - $\text{softmax}$ = transforma os pesos em probabilidades
 
-1.  **Decodificação**:
+3.  **Decodificação**:
     - A geração acontece de forma sequencial, token por token, até que um novo frame seja reconstruído. Há a possibilidade dos tokens gerados serem passados por um decoder de difusão para melhorar a qualidade visual
 
 ### Vantagens da Abordagem
@@ -98,6 +98,11 @@ Outro aspecto importante é a **flexibilidade**: o modelo pode lidar com diferen
 
 ### Limitações
 
-Apesar das vantagens, há desafios inerentes à abordagem. A **geração sequencial** faz com que o processo seja naturalmente mais lento e custoso do ponto de vista computacional, principalmente em vídeos longos. 
-Além disso, como cada passo depende do anterior, **pequenos erros tendem a se propagar** e se amplificar ao longo da sequência, o que pode comprometer a coerência do vídeo gerado. 
-Por fim, o processo de tokenização agressiva, necessário para reduzir o custo computacional, pode introduzir **objetos inesperados** que afetam a fidelidade da simulação, motivo pelo qual, muitas vezes, é necessário aplicar um pós-processamento com modelos de difusão.
+Apesar das vantagens, há desafios inerentes à abordagem. A **geração sequencial** faz com que o processo seja naturalmente mais lento e custoso do ponto de vista computacional, principalmente em vídeos longos. Além disso, como cada passo depende do anterior, **pequenos erros tendem a se propagar** e se amplificar ao longo da sequência, o que pode comprometer a coerência do vídeo gerado. Por fim, o processo de tokenização agressiva, necessário para reduzir o custo computacional, pode introduzir **objetos inesperados** que afetam a fidelidade da simulação, motivo pelo qual, muitas vezes, é necessário aplicar um pós-processamento com modelos de difusão.
+
+### Referências
+
+[Autoregressive model](https://en.wikipedia.org/wiki/Autoregressive_model)
+
+[Cosmos World Foundation Model Platform for Physical AI](https://arxiv.org/html/2501.03575v1)
+