Nathan Lambert — o tradutor do que acontece depois do treino

"Open research will always be the standard that sets the language people use to understand AI." — Farewell Ai2, Interconnects, 2 jun. 2026

O essencial em 30 segundos

Nathan Lambert é o raro pesquisador que escreve para humanos. Especialista em pós-treinamento (post-training) e em RLHF — aprendizado por reforço a partir de feedback humano —, ele passou anos no Allen Institute for AI (Ai2) construindo modelos abertos como o OLMo e a série Tülu, e simultaneamente explicando, em sua newsletter Interconnects, como esses modelos são de fato fabricados. Sua tese de fundo é política e técnica ao mesmo tempo: a IA aberta não é caridade nem ideologia, é a infraestrutura que define o vocabulário com que toda a indústria entende a si mesma. Para quem opera um negócio que vai depender de IA, Lambert é o antídoto contra dois extremos perigosos — acreditar que modelos são caixas mágicas e acreditar que só os laboratórios de fronteira importam. Ele mostra que a etapa que mais agrega valor a um caso de uso específico — o pós-treinamento — é justamente a que ficou ao alcance de quem não é a OpenAI.

Quem é

Nathan Lambert fez doutorado na Universidade da Califórnia, Berkeley, na interseção entre robótica e aprendizado de máquina, no Departamento de Engenharia Elétrica e Ciências da Computação, orientado pelo professor Kristofer Pister no Berkeley Autonomous Microsystems Lab. A origem em robótica importa: ele chegou ao aprendizado por reforço pela porta do controle de sistemas físicos, não pela porta do processamento de linguagem — o que lhe dá uma perspectiva incomum sobre o que reforço realmente faz.

Sua carreira passou por nomes pesados antes de o assunto virar manchete: trabalhou no Facebook AI, na DeepMind e, decisivamente, na Hugging Face, onde ajudou a montar uma equipe de pesquisa em RLHF logo após o lançamento do ChatGPT. Foi nessa fase que contribuiu com integrações de RL para a biblioteca Diffusers e participou de lançamentos como o Zephyr-Beta e a biblioteca TRL — ferramentas que democratizaram o treinamento por reforço para a comunidade aberta.

Depois veio o Allen Institute for AI (Ai2), onde foi cientista de pesquisa sênior e líder de pós-treinamento. Ali esteve no centro de uma das apostas mais ambiciosas em IA verdadeiramente aberta: o OLMo (Open Language Model), modelos cujos pesos, dados e receitas de treinamento são publicados — não apenas os pesos, como fazem muitos modelos ditos "abertos". Trabalhou também no Open Instruct e nas séries Tülu 2 e Tülu 3, que se tornaram referências de receitas abertas de pós-treinamento.

Em paralelo, Lambert escreve a Interconnects, newsletter técnica que acumula milhões de visualizações por ano e se tornou leitura obrigatória para entender o que se passa dentro dos laboratórios. É autor do livro de referência sobre RLHF (publicado também como projeto aberto em rlhfbook.com e como obra pela Manning), apresenta as Interconnects Interviews e é uma das vozes mais articuladas em defesa da liderança americana em IA de código aberto. Em junho de 2026, anunciou sua saída do Ai2 para construir um novo esforço focado em modelos abertos de tamanho médio e receitas de pós-treinamento totalmente abertas.

A grande contribuição

A grande contribuição de Lambert tem duas faces que se reforçam: tornar o pós-treinamento legível e tornar a IA aberta defensável.

Comece pela legibilidade. Durante muito tempo, o que diferenciava o ChatGPT de um modelo de base bruto era tratado como segredo industrial e magia negra. Lambert pegou esse processo — o pós-treinamento — e o dissecou em público, em linguagem que um engenheiro competente consegue seguir. Ele define com clareza: RLHF é "uma técnica usada para incorporar informação humana em sistemas de IA", e o pós-treinamento é "um conjunto mais completo de técnicas e melhores práticas para tornar os modelos de linguagem mais úteis para tarefas posteriores". Mais do que definições, ele explica a causalidade: "RLHF foi a técnica que viabilizou o sucesso massivo do lançamento do ChatGPT." A transformação de um modelo acadêmico em tecnologia de uso geral, diz ele, tem o RLHF no seu centro.

A segunda face é a teoria da elicitação, uma ideia que muda como pensamos o que o pós-treinamento faz. Lambert propõe que o pós-treinamento não ensina capacidades novas ao modelo — ele extrai potencial que já está latente no modelo de base. Nas palavras dele, "tudo o que estamos fazendo é amplificar comportamentos valiosos no modelo de base". O pós-treinamento opera sobre "a maneira do modelo" — o estilo, a estrutura, o tom, a formatação —, mais do que sobre o conhecimento factual isolado. Isso é libertador para quem aplica IA: significa que você não precisa de um orçamento de bilhões para treinar do zero; você precisa de técnica para elicitar e moldar o que já existe.

A terceira contribuição é estratégica. Lambert argumenta, com dados e não com slogans, que "a pesquisa aberta sempre será o padrão que define a linguagem com que as pessoas entendem a IA". E soa um alarme honesto: as "receitas de pós-treinamento totalmente abertas estão tão atrasadas quanto sempre estiveram, e ficando ainda mais para trás". Ou seja, ele não é um otimista ingênuo do open source — é alguém que defende a IA aberta justamente porque vê o quanto ela está perdendo terreno, e considera isso um problema sistêmico que vale uma carreira para resolver.

As ideias-chave

Pós-treinamento é onde o valor específico se cria

O treino de base (pré-treinamento) é caro, genérico e dominado por poucos laboratórios. O pós-treinamento é onde um modelo genérico vira útil para uma tarefa concreta — e é comparativamente acessível. Lambert dedica sua obra a mostrar que essa etapa, longe de ser detalhe de acabamento, é onde mora a maior parte da diferenciação prática. Um exemplo: dois produtos podem usar o mesmo modelo de base e ter qualidades radicalmente diferentes simplesmente pela receita de pós-treinamento — os dados de instrução, o ajuste de preferências, os evals. É a etapa em que uma empresa pequena pode competir.

RLHF molda a "maneira", não o conhecimento

A distinção mais útil de Lambert para um operador é esta: o pós-treinamento ensina o modelo a se comportar, não a saber. RLHF torna as respostas mais calorosas, mais estruturadas, melhor formatadas para a interação humana. Se você quer que o agente de IA do seu produto fale como a sua marca, responda no formato que seus usuários esperam e recuse o que deve recusar, o instrumento é o pós-treinamento — não enfiar mais conhecimento no modelo, mas moldar a maneira dele se expressar.

Elicitação: amplificar o que já existe

A teoria da elicitação — "tudo o que estamos fazendo é amplificar comportamentos valiosos no modelo de base" — tem uma consequência prática enorme: define expectativas realistas. Se uma capacidade não está minimamente presente no modelo de base, nenhum pós-treinamento a cria do nada. Isso ajuda a decidir, por exemplo, quando vale ajustar um modelo aberto e quando é melhor trocar de modelo de base. Você não conserta um modelo ruim com fine-tuning; você amplifica um modelo que já tem o embrião da capacidade.

Abertura total vs. "pesos abertos"

Lambert é rigoroso numa distinção que o mercado embaralha: a maioria dos modelos chamados "abertos" libera apenas os pesos. O OLMo, sua bandeira no Ai2, libera pesos, dados e receita de treinamento. Para ele, só a abertura total permite ciência reprodutível e mantém viva a "linguagem comum" com que a indústria se entende. Para um negócio, a distinção é operacional: pesos abertos te dão controle de implantação e custo; abertura total te dá, além disso, a capacidade de auditar e adaptar o processo.

Em suas palavras

"Reinforcement learning from Human Feedback (RLHF) is a technique used to incorporate human information into AI systems." — The RLHF Book

"RLHF was the technique that enabled the massive success of the release of ChatGPT." — The RLHF Book

"All we are doing is amplifying valuable behaviors in the base model." — The RLHF Book

"Open research will always be the standard that sets the language people use to understand AI." — Farewell Ai2, Interconnects (2026)

"Fully-open post training recipes are about as far behind as they ever have been & falling further behind." — Farewell Ai2, Interconnects (2026)

Limites e críticas

Lambert é confiável justamente porque é honesto sobre as limitações do que defende — mas isso não imuniza sua posição de críticas.

A primeira é econômica. Defender modelos abertos é nobre, mas o próprio Lambert reconhece que as receitas abertas estão "ficando ainda mais para trás". Há um argumento de que a fronteira de capacidade — onde estão os modelos que realmente importam para os casos de uso mais exigentes — será sempre dominada por laboratórios fechados com bilhões em computação. Para um negócio, apostar tudo em modelos abertos pode significar operar permanentemente uma geração atrás. A resposta de Lambert é que, para a maioria dos casos de uso reais, "uma geração atrás" é mais que suficiente — mas isso precisa ser verificado caso a caso, não assumido.

A segunda é sobre a teoria da elicitação. Dizer que o pós-treinamento "apenas amplifica o que já existe" é elegante, mas há debate técnico legítimo sobre se isso é literalmente verdade ou uma simplificação útil. Modelos de raciocínio recentes parecem, para alguns pesquisadores, adquirir capacidades genuinamente novas via reforço, não apenas amplificar latências. Lambert estaria, nessa leitura, subestimando o que o pós-treinamento moderno consegue criar.

A terceira é de viés profissional. Lambert é, por definição, um especialista em pós-treinamento defendendo a importância do pós-treinamento. É natural que veja sua própria etapa da cadeia como a mais decisiva. Um operador deve ponderar isso contra a visão de quem está na aplicação pura — como swyx — para quem orquestrar bem APIs fechadas pode entregar mais valor com menos esforço do que qualquer fine-tuning caseiro.

Por fim, há a questão de viabilidade para empresas pequenas. Por mais que Lambert democratize o conhecimento do pós-treinamento, executá-lo bem ainda exige dados de qualidade, infraestrutura de avaliação e talento escasso. A barreira caiu, mas não desapareceu. Romantizar a acessibilidade pode levar gestores a subestimar o investimento real necessário.

Como aplicar no seu dia a dia

Lambert é o pensador que dá o critério técnico para uma das decisões mais caras que você tem pela frente: quando usar modelos abertos versus fechados, e quando vale pós-treinar.

Aberto vs. fechado, como decisão de negócio. Para um produto com agentes de IA que lidam com dados sensíveis — de colaboradores, de clientes —, a distinção de Lambert entre "pesos abertos" e "abertura total" é diretamente acionável. Modelos com pesos abertos dão soberania de implantação — dá para rodar dentro de infraestrutura controlada, sem enviar dados sensíveis dos seus clientes para a API de um terceiro. Esse é um argumento de venda e de conformidade, não só técnico. Para casos menos sensíveis e mais exigentes em capacidade — geração de texto sofisticado, por exemplo — uma API fechada de fronteira ainda ganha. Lambert ensina a não tratar isso como questão religiosa: é trade-off entre controle, custo, sensibilidade do dado e capacidade necessária.

Pós-treinamento e fine-tuning para casos do negócio. A ideia de que RLHF molda "a maneira, não o conhecimento" reorienta como você pensa o agente. Você não precisa treinar um modelo que "saiba" a sua área — precisa de um que se comporte como o produto exige: tom adequado ao público, formato de resposta padronizado, recusa firme do que está fora de escopo. Isso é pós-treinamento de comportamento sobre um bom modelo de base aberto, exatamente o território das receitas Tülu/OLMo que Lambert documentou. Para operações menores, o cálculo é diferente: o volume e a especificidade ainda não justificam fine-tuning próprio, então fique com prompts bem feitos sobre modelos prontos — e a teoria da elicitação diz que está tudo bem, contanto que o modelo de base já tenha o embrião do que você precisa.

Expectativas realistas via elicitação. A regra "fine-tuning amplifica, não cria" serve de filtro antes de qualquer projeto de IA. Antes de orçar um esforço de pós-treinamento, teste se o comportamento desejado já aparece, mesmo que mal, no modelo de base. Se não aparece, troque de modelo em vez de jogar dinheiro em ajuste. Essa disciplina poupa iniciativas que teriam falhado caro.

Defesa pragmática da abertura. A honestidade de Lambert sobre o open source estar "ficando para trás" protege você do otimismo ingênuo. Construa sobre modelos abertos pelo controle e pela conformidade — não por acreditar que serão sempre os melhores. E desenhe a arquitetura para trocar de modelo com baixo custo, porque a fronteira se move. É o complemento exato do "shift right" de swyx: ele manda entregar aplicação rápido; Lambert mostra como não ficar refém de terreno alugado quando o ativo for estratégico.

Para ir além

Comece por: a newsletter Interconnects (interconnects.ai) — em especial os posts que destrincham lançamentos de modelos. É a porta de entrada acessível para o pensamento dele.

Depois: o RLHF Book, disponível aberto em rlhfbook.com — leia ao menos a introdução e os capítulos sobre o que é pós-treinamento e por que RLHF importou para o ChatGPT.

Avançado: os relatórios técnicos do OLMo e da série Tülu (Ai2), que mostram receitas abertas de pós-treinamento na prática, e o post "Farewell Ai2" para entender sua visão de para onde a IA aberta precisa ir.

Conexões no vault

• IA e Tecnologia — índice da área
• swyx — o complemento essencial: swyx mapeia a aplicação ("shift right", AI Engineer); Lambert ensina a construir o fosso técnico à esquerda (pós-treinamento, modelos abertos). Ler os dois juntos fecha a cadeia de valor da IA aplicada
• Aplicação direta na decisão aberto-vs-fechado e em fine-tuning do projeto Gestão de Colabs (SaaS B2B com agentes de IA)