# Estudo: formatação explica a maior parte dos ganhos do RLVR fora do domínio

> Ao reavaliar as respostas com um extrator neutro, 82% do ganho relatado desapareceu, indicando que o efeito se devia à formatação.

Oossa · 2026-10-16 · https://oossa.com/pt/study-finds-most-rlvr-out-of-domain-gains-come-from-answer-formatting

Os pesquisadores Zongye Lyu e colegas analisaram o aprendizado por reforço com recompensas verificáveis (RLVR). Eles compararam um modelo-base de 7 bilhões de parâmetros com sua versão treinada com RL em quatro pares disponibilizados publicamente. Usando um extrator próprio, que procura respostas dentro de uma tag \boxed{}, constataram que desapareciam 82% da melhora em questões de múltipla escolha fora do domínio relatada por extratores públicos. O ganho se devia, em grande parte, ao modelo passar a colocar a resposta dentro da caixa, e não a responder melhor.

## Os fatos

- 82% do ganho relatado desaparece com o uso do novo extrator
- Estudo publicado em 2026-10-16

## Por que importa

O estudo mostra que os ganhos de desempenho atribuídos ao RLVR podem ser artefatos da forma como as respostas são analisadas, e não melhorias reais no raciocínio.

## Fontes e referências

1. [Same Answer, New Box: How Much of RLVR's Out-of-Domain Gain Is Answer Format?](https://arxiv.org/abs/2610.20639) – arXiv cs.LG, 2026-10-16

Última atualização: 2026-10-16