Estudo compara escolhas de RL para raciocínio agêntico

Publicado em 19 de outubro de 2025, o artigo investiga sistematicamente escolhas de design de aprendizado por reforço (RL) para o raciocínio agêntico em modelos de linguagem. O escopo inclui dados, algoritmos e modos de raciocínio, com o objetivo de orientar o treinamento de agentes que raciocinam e usam ferramentas.

A prévia destaca uma comparação entre trajetórias sintéticas concatenadas e trajetórias reais de uso de ferramentas de ponta a ponta, mas não informa resultados específicos. Para consultar e verificar as conclusões, leia o artigo original e confira como ele define as trajetórias, os métodos e as avaliações; não extrapole os pontos apresentados na prévia.