Pesquisadores do Google desenvolveram uma nova técnica de IA, aprendizado por reforço interno (RL interno), que pode revolucionar os agentes de IA de longo horizonte. A inovação, anunciada em 16 de janeiro de 2026, aborda as limitações de como os grandes modelos de linguagem (LLMs) aprendem o raciocínio complexo. O RL interno direciona os processos internos de um modelo para a resolução de problemas passo a passo, em vez de depender da previsão do próximo token.

O método atual de treinamento de LLMs geralmente leva a alucinações e falhas em tarefas complexas. O aprendizado por reforço é crucial para o pós-treinamento, mas a natureza autorregressiva dos LLMs limita a exploração. O RL interno oferece uma solução potencial, guiando as ativações internas do modelo.

Essa inovação pode abrir caminho para agentes autônomos capazes de lidar com raciocínios intrincados e robótica do mundo real. O principal benefício é a redução da necessidade de supervisão humana constante. O desenvolvimento marca um passo significativo em direção a sistemas de IA mais capazes e independentes.

Os LLMs tradicionalmente geram sequências um token por vez, dificultando a exploração de diversas estratégias. As próximas etapas envolvem testar e escalar o RL interno para diversas aplicações. A comunidade de IA antecipa mais pesquisas e implementações no mundo real.