# NormTune melhora o ajuste fino econômico para raciocínio e matemática

> Pesquisadores acrescentaram uma etapa guiada por normas ao ajuste fino eficiente em parâmetros, reduzindo a diferença em relação ao ajuste fino completo em vários testes de raciocínio.

Oossa · 2026-10-22 · https://oossa.com/pt/normtune-improves-cheap-fine-tuning-for-math-and-reasoning-tasks

O artigo NormTune propõe um complemento simples para o ajuste fino eficiente em parâmetros (PEFT). O método avalia quanto os pesos de cada camada mudam e dá mais destaque às camadas que mudam pouco. A inclusão do NormTune em métodos de PEFT já existentes, como LoRA, Bone e MoRA, elevou a precisão média em até 24 % em testes difíceis de raciocínio, como AIME e MATH. Com uma classificação mais alta (256), os métodos aprimorados pelo NormTune igualaram o desempenho do ajuste fino completo e, em alguns casos, o superaram em alguns pontos percentuais.

## Os fatos

- O NormTune acrescentou um ganho médio de 24,24% ao LoRA de classificação 8 no AIME 2024, MATH 500, GPQA e AIME 2025.
- Publicado em 2026-10-22 (arXiv:2610.29134).

## Por que importa

O método permite que pesquisadores e desenvolvedores alcancem, em tarefas de raciocínio, uma precisão próxima à obtida com o ajuste fino do modelo inteiro, usando muito menos tempo de GPU e memória.

## Fontes e referências

1. [NormTune: Norm-Guided Parameter-Efficient Fine-Tuning for Reasoning-Intensive Tasks](https://arxiv.org/abs/2610.29134) – arXiv, 2026-10-22

Última atualização: 2026-10-22