---
title: "Pesquisa aponta que 'harnesses' melhoram generalização de IAs"
url: https://dailyjournal.news/news/2026-07-21/pesquisa-aponta-que-harnesses-melhoram-generalizacao-de-ias
published: 2026-07-21T16:41:20.242186+00:00
updated: 2026-07-21T16:41:20.242186+00:00
categories: ["technology"]
source_count: 1
outlet_count: 0
language: pt-BR
publisher: "Daily Journal"
---

# Pesquisa aponta que 'harnesses' melhoram generalização de IAs

Estudo de Alex L. Zhang demonstra que estruturas de suporte permitem que modelos de linguagem resolvam tarefas complexas e inéditas com mais eficácia.

## Pontos principais

- O estudo propõe que o 'harness' — programa que intermedeia o modelo e o ambiente — é um motor de generalização, não apenas uma interface.
- Modelos de linguagem recursivos (RLMs) treinados apenas em tarefas curtas generalizaram para problemas 8 a 32 vezes mais longos.
- A técnica de decomposição recursiva superou o desempenho de Transformers tradicionais com métodos de extensão de contexto, como o YaRN.
- Testes realizados em seis benchmarks, incluindo LongBenchPro e OOLONG, mostraram transferência superior de aprendizado entre domínios distintos.
- A abordagem reduz a necessidade de curadoria massiva de dados, permitindo que modelos resolvam problemas complexos através de sub-tarefas simples.
- O treinamento de RLMs apresentou um tempo de execução de 1,5 a 3 vezes maior em comparação com modelos base.

Uma nova pesquisa publicada pelo pesquisador Alex L. Zhang, do MIT e Databricks, sugere que a capacidade de generalização de modelos de linguagem pode ser significativamente ampliada através do design de 'harnesses' — estruturas de software que gerenciam a interação entre o modelo e o ambiente. Ao invés de forçar o Transformer a processar contextos longos e complexos de forma direta, o harness decompõe problemas em sub-tarefas menores que se alinham com os dados de treinamento originais do modelo.

Os resultados indicam que essa abordagem de 'Modelo de Linguagem Recursivo' (RLM) permite que a IA aplique conhecimentos adquiridos em domínios simples para resolver problemas inéditos e muito mais extensos. Enquanto Transformers convencionais, mesmo com técnicas de extensão de contexto, falham ao extrapolar estratégias de raciocínio, o harness atua como um viés indutivo de alto nível, tornando a generalização composicional uma meta-capacidade prática e escalável para sistemas de IA modernos.

## Fontes

- [Pesquisa aponta que 'harnesses' melhoram generalização de IAs](https://alexzhang13.github.io/blog/2026/harness/) (2026-07-21)

---

Publicado por Daily Journal. Versão HTML: https://dailyjournal.news/news/2026-07-21/pesquisa-aponta-que-harnesses-melhoram-generalizacao-de-ias