Yao Shunyu na Tencent: por que a maior estrela da pesquisa em IA começou pelo básico

Imagine que o melhor atacante do mundo chega a um novo clube e, logo na estreia, em vez de só fazer gols, começa a reescrever o manual de táticas. É mais ou menos isso que representa o primeiro trabalho científico de Yao Shunyu sob a bandeira da Tencent.

Para quem perdeu: Yao é uma lenda nos círculos restritos de pesquisadores. Foi ele quem nos deu o ReAct (Reason + Act) e o Tree of Thoughts, ensinando redes neurais não só a gerar texto, mas a planejar suas ações e raciocinar. Sua recente mudança de Princeton para a divisão de pesquisa da Tencent caiu como uma bomba no setor. E agora vemos os primeiros resultados dessa união.

Em vez de anunciar de imediato um matador do GPT-5, Yao e sua equipe decidiram olhar sob o capô de um dos fenômenos mais misteriosos dos grandes modelos de linguagem: o aprendizado em contexto (In-Context Learning, ICL). Se você já deu a uma rede neural um par de exemplos no prompt e ela entendeu a tarefa como num passe de mágica, você já esbarrou no ICL. É a capacidade de o modelo aprender sem alterar seus pesos, no meio da conversa. Até agora, o processo lembrava alquimia: sabíamos que funcionava, mas não entendíamos bem como o modelo estrutura esse conhecimento internamente. O trabalho de Yao tenta transformar essa alquimia em ciência rigorosa.

Por que a Tencent colocou suas melhores cabeças justamente nessa frente agora? A resposta está no estado atual do mercado. A era em que bastava inundar o modelo com dados e placas de vídeo está chegando ao fim. Começa o segundo tempo do jogo, e vencerá quem tornar os modelos mais inteligentes e eficientes no nível da arquitetura. O aprendizado em contexto é a chave para criar agentes realmente autônomos. Se o modelo entende melhor o contexto, ele erra menos em cadeias de raciocínio complexas e exige menos recursos computacionais para se adaptar às necessidades específicas de uma empresa. A Tencent claramente aposta na qualidade do raciocínio, não na quantidade de parâmetros.

No trabalho, os pesquisadores analisam como as distribuições dos dados de entrada afetam a capacidade de generalização do modelo. Não se trata de mera especulação teórica. Entender a mecânica do ICL permite criar sistemas mais estáveis, que não quebram por causa de uma única palavra mal escolhida na instrução. Diante da concorrência pesada da Alibaba e da DeepSeek, a Tencent precisa muito de uma vantagem tecnológica que não possa ser copiada só comprando mais dez mil chips H100. Ela precisa de avanços algorítmicos, e Yao Shunyu é justamente quem pode entregá-los.

Também chama atenção como esse trabalho se encaixa na estratégia geral das gigantes de tecnologia chinesas. Vemos uma mudança clara: da cópia de arquiteturas ocidentais para a tentativa de liderar a pesquisa fundamental. Se antes as empresas chinesas costumavam correr atrás, agora contratam cientistas de ponta direto dos bancos das principais universidades americanas e lhes dão carta branca para pesquisas profundas. Isso cria uma nova dinâmica no setor, em que a fronteira entre a ciência acadêmica e o desenvolvimento corporativo some de vez.

O principal: a Tencent investe na fundação, não na fachada. Se Yao Shunyu decifrar a mecânica do aprendizado em contexto, a próxima geração dos modelos da empresa pode deixar a concorrência bem para trás pela eficiência, e não pela força bruta. Será que entender o ICL pode virar a alavanca que muda nossa visão sobre o que as arquiteturas atuais são capazes de fazer?