Estudo testa resposta direta para ampliar acertos de IA

Um estudo preliminar de Vagner Campos testou uma configuração de resposta direta em modelos pequenos de inteligência artificial e registrou aumento nos acertos em avaliações matemáticas. Em um dos testes, o índice passou de cerca de 8% para 45,1%, sem alterar parâmetros internos ou ampliar o modelo.

O trabalho foi disponibilizado em 11 de novembro de 2026 no repositório científico Zenodo, sob o DOI 10.5281/zenodo.24136374. Segundo Campos, o experimento investigou situações em que modelos entram em ciclos prolongados de revisão das próprias conclusões e, por isso, podem deixar de fornecer uma resposta.

Em outra avaliação descrita na pesquisa, a taxa de acertos subiu de 14,9% para 60,5%. A mudança também levou o sistema a produzir de seis a nove vezes menos tokens, unidades usadas no processamento e na geração de informações por sistemas de IA.

Resultados não equivalem a economia comprovada

Os testes utilizaram modelos pequenos da família Qwen, incluindo o Qwen3.5-0.8B. Em uma comparação com modificações internas analisadas por pesquisadores ligados ao MIT, a configuração original teve aproximadamente 8% de acertos; a versão modificada chegou a 48,4%, enquanto a alteração na forma de responder alcançou 45,1%.

De acordo com o estudo, a alternativa mais simples recuperou aproximadamente 90% do ganho de desempenho da intervenção mais complexa, sem superá-la. Campos também examinou formas de reduzir informações inventadas pelos modelos.

O autor aponta possíveis usos de modelos menores em tarefas como organização de documentos, catálogos, relatórios de manutenção e rotinas administrativas. No entanto, o estudo ressalta que menos tokens não significam automaticamente menor gasto financeiro. A pesquisa não passou por revisão científica independente e ainda não demonstra redução específica de custos em operações empresariais; seriam necessárias avaliações em tarefas reais, com medições de consumo, velocidade, qualidade e despesas.