Reinforcement learning: o que é e por que importa pra LLMs
Você já se perguntou por que o ChatGPT responde educadamente em vez de cuspir texto incoerente? Um modelo base sem alignment gera texto estatisticamente provável. Ele completa frases. Não “quer” ajudar ninguém. O que transforma um gerador de texto num assistente útil é Reinforcement Learning from Human Feedback (RLHF). E entender isso explica muito do comportamento que você observa nos modelos em produção. O mapa pro profissional de infra Conceito RL O que faz Equivalente em infra Agent Quem toma ações O autoscaler, o controller Environment Onde as ações acontecem O cluster, a infra Reward Feedback numérico (bom/ruim) Métricas (latência, custo, uptime) Policy Estratégia de decisão Regras do autoscaler (quando escalar, quanto) Episode Uma sequência completa de ações Um ciclo de scaling (scale up → observa → scale down) Exploration vs Exploitation Tentar coisas novas vs usar o que funciona Canary deploy vs stable release Reinforcement learning em 5 minutos RL é uma das três formas de machine learning. As outras duas são: ...