Google DeepMind deixa um LLM reescrever algoritmos de teoria dos jogos e superar especialistas

O Google DeepMind mostrou que um modelo de linguagem pode fazer mais do que ajudar pesquisadores a escrever código: ele pode buscar sozinho novas ideias algorítmicas em teoria dos jogos e superar soluções que humanos refinam há anos. O trabalho trata de Multi-Agent Reinforcement Learning para jogos de informação incompleta, situações em que os participantes jogam por turnos e não veem os dados ocultos uns dos outros, como no pôquer. Nessas tarefas, a qualidade de um algoritmo costuma depender não só da teoria de base, mas de muitos detalhes de engenharia: como acumular o arrependimento (regret), como descontar sinais antigos, quando começar a calcular a média da estratégia e como buscar o equilíbrio.

Normalmente, tudo isso é ajustado à mão, com intuição, uma série de hipóteses e experimentos demorados. Em um preprint publicado no arXiv em 18 de fevereiro de 2026, a equipe do DeepMind propôs transferir esse trabalho para o AlphaEvolve, um agente evolutivo de reescrita de código que usa um LLM e uma verificação automática da qualidade de cada nova versão. Nesse trabalho, o AlphaEvolve foi aplicado a duas famílias clássicas de algoritmos: CFR (Counterfactual Regret Minimization) e PSRO (Policy Space Response Oracles).

Os experimentos usaram o framework OpenSpiel, e a qualidade foi medida pela exploitability, métrica que mostra o quanto a estratégia encontrada pode ser explorada pela melhor resposta do adversário. Um ponto importante: os pesquisadores não se limitaram a ajustar hiperparâmetros. O sistema mudou a própria lógica do código em Python responsável por acumular o sinal de regret, construir a política atual e calcular a média das estratégias.

O trabalho cita explicitamente o Gemini 2.5 Pro como o modelo sobre o qual esse circuito de busca foi construído. Para a família CFR, o sistema encontrou uma nova variante chamada VAD-CFR, Volatility-Adaptive Discounted CFR.

A ideia é que o algoritmo não usa regras fixas para esquecer informações antigas: ele observa a volatilidade do aprendizado e desconta o histórico com mais força nos momentos instáveis. Além disso, o AlphaEvolve adicionou um reforço assimétrico dos sinais de regret instantâneo positivos, com coeficiente de 1,1, e uma regra inesperada de média: não iniciar de forma alguma o acúmulo da política média até a iteração 500. Isso é especialmente interessante porque o horizonte de avaliação era de 1000 iterações, e o limiar de 500 foi deduzido pelo próprio sistema, sem dica explícita no prompt.

No conjunto completo de 11 jogos, o VAD-CFR igualou ou superou as melhores soluções conhecidas em 10 dos 11 casos; a única exceção foi a versão de Kuhn Poker para quatro jogadores. Para o PSRO, o AlphaEvolve buscou não regras de atualização de regret, mas um meta-solucionador, que define a distribuição de probabilidade sobre a população de estratégias. Assim surgiu o SHOR-PSRO, Smoothed Hybrid Optimistic Regret PSRO.

Essa variante mistura optimistic regret matching com uma distribuição suave sobre as melhores estratégias puras e, ao longo do treinamento, muda gradualmente o equilíbrio entre exploração e aproximação do equilíbrio. Na prática, isso elimina parte do ajuste manual que antes era obrigatório: o pesquisador não precisa mais adivinhar de antemão quando o sistema deve estimular a diversidade de estratégias e quando deve se aproximar com mais rigor do equilíbrio. No conjunto completo de 11 jogos, o SHOR-PSRO igualou ou superou as melhores soluções manuais de referência em 8 casos.

Também é importante que o DeepMind não verificou apenas o ajuste aos exemplos de treino. Os dois esquemas encontrados evoluíram primeiro em quatro jogos, incluindo 3-player Kuhn Poker, 2-player Leduc Poker, 4-card Goofspiel e 5-sided Liar's Dice, e depois foram testados, sem reajuste adicional, em variantes maiores e inéditas das mesmas classes de problemas. Isso é mais forte do que a demonstração usual em um ou dois ambientes de brinquedo: mostra pelo menos uma capacidade básica de os algoritmos generalizarem além do conjunto em que a busca foi feita.

A principal conclusão é simples: os LLMs começam a automatizar não só a escrita de código, mas o design dos próprios algoritmos. Para os pesquisadores, isso muda o papel: menos tentativa e erro manual com heurísticas, mais definição da métrica, das restrições e do sistema de verificação. Ao mesmo tempo, o trabalho não prova que o modelo consegue inventar qualquer coisa de forma universal: o sucesso aqui depende de uma função de avaliação clara e de domínios em que a qualidade da solução pode ser verificada com rigor.

Mesmo com essa ressalva, o resultado parece sério: o DeepMind mostrou que, em áreas restritas e formalizáveis, uma máquina já pode encontrar jogadas a que os especialistas não chegaram manualmente.