Publicação de 18 de abril de 2026 compara a escala do pré-treinamento e do aprendizado por reforço (RL), destacando custos de compute e desafios de avaliação.
Publicado em 18 de abril de 2026, o texto compara leis de escala do pré-treinamento e do aprendizado por reforço (RL). A análise observa que o compute de RL inclui sampling e atualizações da policy e pode ser medido em FLOPs ou horas de GPU. Também distingue extrapolações dentro de uma execução daquelas entre execuções.
O texto aponta escolhas de compute e avaliação como obstáculos para comparar experimentos de RL e extrapolar seus resultados. Para verificar o conteúdo e o contexto das afirmações, consulte a publicação original e confira como ela define as medidas e os tipos de extrapolação; o resumo disponível não especifica essas escolhas.