Um controlador que decide quando parar de raciocinar
Um dos dilemas mais caros dos modelos de raciocínio é saber quando parar. Cada rodada adicional de “pensar” consome tokens e dinheiro — mas parar cedo demais derruba a precisão. Um novo preprint propõe o AERA (Adaptive Evidence Residual Allocation), um controlador que decide, a cada checkpoint, se vale a pena continuar gerando respostas ou se a resposta atual já é boa o suficiente.
Em um teste online com limiar congelado sobre 300 questões intocadas do GSM8K, o AERA atingiu 92,61% de acurácia, contra 93,01% de uma execução fixa com 128 respostas por questão. A diferença: o AERA usou em média 4,44 respostas por questão, com economia reportada de 96,53% na contagem de respostas e 95,99% nos tokens de completude.
Como o controlador decide
O AERA resume o prefixo cumulativo de respostas geradas usando características de distribuição de respostas, tempo, re-resolução, semântica e computação. Em cada checkpoint — um ponto após um bloco de respostas — ele escolhe entre parar ou alocar o próximo bloco, sem usar a correção futura como informação de decisão.
Um detalhe técnico importante: a corretude não se move em uma única direção conforme o raciocínio avança. Na análise em GPQA, o estudo registrou 42 recuperações (respostas que começaram erradas e viraram certas) e 14 colapsos (o oposto). O rótulo de “continuação” define um checkpoint potencialmente recuperável como aquele em que a resposta atual está errada, mas pelo menos um checkpoint posterior fica correto.
O que os números não dizem
O próprio estudo é cauteloso: a diferença emparelhada foi de -0,41 ponto percentual, com intervalo de bootstrap de 95% indo de -1,79 a +0,80 pontos. Ou seja, o resultado aponta para uma troca próxima entre acurácia e computação no protocolo relatado, e não para uma alegação fechada de acurácia superior. O limiar de 0,9 foi calibrado em um conjunto de 50 questões.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
