Meta identifica o custo oculto do pós-treino por reforço em modelos de IA
Uma equipa da Meta publicou um estudo mostrando que modelos de base pré-treinados conseguem, por vezes, melhor cobertura de soluções do que as suas versões pós-treinadas por aprendizagem por reforço.
Publicado a 1 de outubro de 2026, o estudo introduz a métrica "Sharpening Tax" — a perda de escalabilidade em tempo de teste depois do pós-treino — testada em 14 pares de modelos e três testes de referência agênticos.
Os autores propõem o método "posterior-tempered group sampling", que ajusta a temperatura de amostragem à dificuldade estimada da tarefa, reduzindo este trade-off.
Fontes
- arXiv arxiv.org
Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.