A equipe de pesquisa da Apple fez uma rodada de experimentos de aprendizado por reforço com 9 modelos e 11 idiomas, para entender: se os dados de treinamento forem apenas em um idioma, a capacidade do modelo de resolver problemas pode ser aplicada para questões em outros idiomas?

A resposta é: sim, e o efeito é bem perceptível. Treinando com apenas um idioma, o modelo também fica mais forte em muitos outros idiomas.

Por exemplo, em testes de francês, ao treinar diretamente em francês, a nota média melhora 25,6 pontos percentuais; sem treinar em francês de forma alguma, mas apenas treinando com questões em espanhol, no final fazer o teste de francês também melhora em 24,6 pontos percentuais — só falta 1 ponto percentual.

O modelo não aprendeu apenas questões de um único idioma, mas também um conjunto de métodos de resolução que podem ser trocados de idioma e ainda serem usados. Então, no futuro, se você quiser fortalecer a capacidade de raciocínio em chinês do modelo, talvez não seja necessário refazer todo o conjunto de dados de aprendizado por reforço em chinês.

Mas também não se pode simplesmente trocar o treinamento de linguagem. Linguagens específicas realmente podem acionar uma degradação de capacidades específicas. Para o mesmo tipo de aprendizado por reforço, ao trocar a linguagem de treino, alguns modelos até pioram de forma evidente em outras linguagens e tarefas. No conjunto mais extremo de experimentos, ao treinar o Qwen3-4B em suaíli, um conjunto de testes em inglês, que não tinha sido visto durante o treino, caiu 19,2 pontos percentuais em comparação ao modelo original; quando treinado com várias línguas juntas, esse teste na verdade melhorou 4,5 pontos percentuais.

O principal que este artigo valida são problemas de raciocínio em que as respostas de matemática, lógica, figuras e geometria podem ser automaticamente avaliadas como certas ou erradas. Quando essas questões são traduzidas para outra língua, a solução subjacente muitas vezes não muda. Para tarefas que dependem realmente da própria linguagem, como compreensão de leitura, metáforas, julgamentos semânticos e conhecimento cultural, o artigo não valida.
O ex-pesquisador sênior do Google DeepMind, cofundador e CEO da Unreasonable Labs, Cao Yuan, acredita que a IA para a Ciência está entrando em uma fase de explosão. Mas para a IA, de fato, realizar descobertas científicas do nível do Prêmio Nobel de forma independente, ainda são necessárias pelo menos duas ou três décadas. Cao Yuan já havia participado de projetos como o Gemini; agora, a direção do seu empreendimento também é fazer com que a IA descubra novos conhecimentos.

Ele acredita que o maior gargalo agora é a validação. Escrever código permite executar testes imediatamente, e a matemática ainda pode ser verificada passo a passo com o Lean. Mas biologia, materiais e física, no fim das contas, exigem experimentos reais. Um experimento pode ser caro e também pode levar muito tempo; é difícil para a IA fazer, como um Coding Agent, tentativas e erros contínuos e rápidos.

O que é ainda mais difícil é «criar novos conceitos». Cao Yuan acredita que, hoje, os modelos são muito bons em procurar respostas dentro de conhecimentos existentes, definições e teoremas; mas ainda não conseguem, como os melhores cientistas, abstrair novos objetos matemáticos, definições e teorias. Ele chama essa «abstração de conceitos» de «última milha» da AGI.