🧵 À medida que os laboratórios de IA correm para escalar a RL, uma pergunta é importante: quando você deve parar o pré-treinamento e iniciar a RL? Treinamos 5 modelos Qwen (0,6B→14B) com RL no GSM8K e encontramos algo selvagem: Modelos pequenos veem saltos EMERGENCE-LIKE. Grandes modelos veem retornos decrescentes. A lei de escala? Não é o que você esperaria