RLAD testa dicas curtas para orientar o raciocínio de LLMs
Um estudo treina um gerador de dicas e um solver condicionado a elas com reinforcement learning. O relato aponta 44% mais acurácia em matemática no AIME 2025 do que o RL com cadeias longas.
O paper apresenta um gerador de dicas e um solver que usa essas orientações, ambos treinados com reinforcement learning. A proposta é testar se dicas curtas e reutilizáveis podem apoiar tarefas de raciocínio sem depender de cadeias de pensamento mais longas.
Segundo o relato, o método alcançou 44% mais acurácia em matemática no AIME 2025 do que o RL com cadeias longas. O resultado é específico à comparação descrita e não garante ganhos em outras tarefas. Ao estudar ou aplicar o trabalho com IA, evite enviar dados pessoais, código confidencial ou documentos internos; use exemplos sintéticos ou anonimizados.