Pesquisadores propõem o Self-Assessment Reinforcement Learning (SARL), um método de treinamento para modelos de linguagem que buscam informações antes de responder. A técnica ensina os modelos a acompanhar o que já encontraram e o que ainda falta, com o objetivo de reduzir erros de raciocínio e buscas interrompidas cedo demais.
Os autores relatam uma melhora relativa de 24,3% em relação ao baseline mais forte, com ganhos médios de 35,9% em tarefas de raciocínio com múltiplas etapas e de 27,9% em benchmarks de pesquisa aprofundada, em comparação com os baselines mais fortes para cada tarefa. Segundo eles, o SARL não exige avaliação adicional no momento da resposta; o resumo do artigo não identifica os modelos testados nem traz detalhes suficientes para avaliar se os resultados se aplicam a ferramentas de busca em uso.
Por que importa
Para equipes que desenvolvem assistentes de pesquisa, o SARL sugere que é possível ensinar os modelos a acompanhar as buscas durante o treinamento, em vez de acrescentar uma etapa separada durante o uso. Mas o resumo não demonstra se a técnica beneficia produtos no mundo real.
