Edison Scientific aprimora LLMs com novo método de pós-treinamento

A Edison Scientific apresenta o Reinforced Adversarial Learning (RAL), método de pós-treinamento para modelos de raciocínio criado por Albert Bou e Siddharth Narayanan. Ele aprende só com textos científicos reais, como artigos e patentes, sem exemplos negativos sintéticos ou rótulos. Um gerador e um juiz são treinados juntos; o juiz vê apenas a resposta final e estima se ela veio dos textos reais ou do gerador.

No experimento com resumos de propostas de financiamento do NIH, o RAL engana especialistas humanos em 55% dos casos, contra 21% a 44% dos modelos comparados. Contra um painel de cinco juízes de LLM de fronteira, o engano médio é de cerca de 35%, e nenhum baseline passa de 4%. O juiz é um Qwen3-14B. A Edison não informa o tamanho do gerador; Andrew White, cofundador da Edison, afirma que a técnica foi aplicada a um modelo de 235 bilhões de parâmetros.

Na multiplicação de inteiros de quatro dígitos, tarefa com verificador, o método iguala ou supera o treino direto com o verificador quando o juiz tem capacidade suficiente. A empresa admite não ter testado se juízes de LLM percebem diferenças sutis que especialistas não notam, hipótese que explicaria por que são enganados menos.