Boletim IANotícias de inteligência artificial em português, todos os dias

Investigação académica

Novo método CARM evita que correções opostas se anulem no treino por reforço de modelos de linguagem

Um novo paper propõe o método CARM para resolver um problema oculto no treino por reforço de grandes modelos de linguagem: respostas que deveriam ser penalizadas e outras que deveriam ser reforçadas podem anular-se mutuamente nos cálculos.

O paper "CARM: Cancellation-Aware Response Masking for LLM Reinforcement Learning", submetido ao arXiv a 1 de outubro de 2026 por Yafei Zhang, Songshuo Lu, Sicong Liao, Zhi Chen e Yaohua Tang, nota que o mascaramento tradicional usa a média geométrica normalizada por comprimento dos rácios de probabilidade de tokens amostrados — mas mudanças opostas de probabilidade podem cancelar-se mutuamente, escondendo o desvio real da política do modelo.

O método proposto usa o valor absoluto de cada rácio logarítmico antes de fazer a média, evitando esse cancelamento, com limites teóricos formais. Nos testes, trouxe até 3,13 pontos percentuais de melhoria em raciocínio matemático (benchmarks AIME) e 2,88 pontos de ganho médio em quatro benchmarks de geração de código, face à melhor base de comparação.

Fontes

Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.

Recebe o Boletim IA no email

As notícias de inteligência artificial do dia, em português, todas as manhãs. Grátis, e cancelas quando quiseres.

Ao subscreveres aceitas receber o boletim por email. Primeiro enviamos um email para confirmares. Os teus dados são tratados conforme a política de privacidade.

↑