Panorama sobre sistemas de treinamento RL e pass@k

Publicado em 21 de dezembro de 2025, o panorama aborda divergências entre rollouts on-policy, o design de sistemas de rollout e estudos sobre os efeitos de aprendizado por reforço (RL) em resultados de pass@k. A descrição não detalha métodos, números ou condições experimentais.

Os resultados relatados variam: há ganhos associados à flexibilização da atribuição de recompensas e ao treinamento DPO do OLMo 3. O texto também aponta desafios práticos nos rollouts e ressalta que o efeito de RL no desempenho por amostragem depende da abordagem de treinamento. Consulte a publicação original para verificar os estudos e seus contextos; não extrapole os achados além do que cada avaliação sustenta.