🧵 À medida que os laboratórios de IA correm para escalar o RL, uma pergunta importa: quando você deve parar o pré-treinamento e começar o RL? Treinámos 5 modelos Qwen (0.6B→14B) com RL no GSM8K e encontramos algo incrível: Modelos pequenos apresentam saltos semelhantes a EMERGÊNCIA. Modelos grandes apresentam retornos decrescentes. A lei de escalonamento? Não é o que você esperaria.