# Estudo explica por que LLMs ajustados mantêm ou mudam de persona

> Pesquisadores propõem o Modelo de Hierarquia de Personas e mostram que alterar uma persona padrão compartilhada durante o ajuste fino transfere comportamentos para mais situações.

Oossa · 2026-10-08 · https://oossa.com/pt/new-study-explains-why-fine-tuned-llms-stick-to-or-leave-their-training-persona

Uma equipe liderada por Jiachen Zhao publicou um artigo em 8 de outubro de 2026 apresentando o Modelo de Hierarquia de Personas. Segundo o modelo, uma persona padrão compartilhada molda o comportamento de um modelo de linguagem em diferentes contextos de ajuste fino. Alterar essa persona padrão faz com que as habilidades do modelo se estendam a novas situações, enquanto mudanças apenas em personas locais têm alcance limitado. Testes com 120 modelos ajustados mostraram uma forte correlação (r de Pearson = 0,72) entre a semelhança entre personas e a generalização limitada. Os pesquisadores também desenvolveram um método de regularização que preserva a persona e reduz a exploração de brechas na função de recompensa em aprendizado por reforço: de até 55% para 0,2%, sem perda de precisão.

## Os fatos

- Artigo publicado em 8 de outubro de 2026
- Correlação r de Pearson = 0,72 para o Qwen3‑4B em 120 modelos

## Por que importa

Entender o papel de uma persona padrão ajuda os desenvolvedores a controlar quando modelos ajustados vão aplicar o comportamento aprendido de forma abrangente, reduzindo efeitos colaterais indesejados.

## Fontes e referências

1. [The Persona Hierarchy Model: Understanding Contextual Generalization in Fine-Tuning LLMs](https://arxiv.org/abs/2610.09384) – arXiv, 2026-10-08

Última atualização: 2026-10-08