Claude treinou um modelo de IA de código aberto sozinho — e funcionou
Pesquisadores da Hugging Face usaram o assistente da Anthropic para ajustar um modelo de linguagem do zero, sem escrever uma linha de código.
A Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados) publicou um experimento inusitado: conseguiu que o Claude, o assistente de IA da Anthropic, fizesse o fine-tuning (ajuste fino de um modelo de linguagem para uma tarefa específica) de um LLM de código aberto (um modelo de IA de linguagem cujos pesos e arquitetura são públicos) — tudo sozinho, sem que um humano escrevesse código.
O processo funcionou assim: os pesquisadores deram ao Claude 3.5 Sonnet acesso a uma ferramenta que permite executar comandos no terminal e pediram que ele treinasse um modelo pequeno chamado SmolLM2 (um LLM compacto, feito para rodar em dispositivos com pouca memória) para responder perguntas sobre ciência. O assistente instalou as bibliotecas necessárias, baixou um dataset de perguntas e respostas, ajustou os hiperparâmetros (valores que controlam como o modelo aprende, como taxa de aprendizado e tamanho dos lotes de dados) e rodou o treinamento — tudo por conta própria.
O resultado foi um modelo funcional. Segundo informou a Hugging Face em seu blog, o SmolLM2 ajustado conseguiu responder corretamente a perguntas de ciências da natureza com uma taxa de acerto que superou a versão original. O experimento não foi perfeito: o Claude cometeu erros ao longo do caminho, como tentar instalar pacotes que já estavam instalados ou usar parâmetros incompatíveis, mas conseguiu se corrigir sozinho quando recebeu mensagens de erro do sistema.
A equipe ressalta que isso não substitui um engenheiro de machine learning — o processo foi lento, consumiu muitas tentativas e exigiu supervisão humana para validar os resultados. Mas ilustra como assistentes de IA estão começando a automatizar tarefas que antes exigiam conhecimento técnico especializado. Para quem trabalha com IA, a mensagem é clara: ferramentas que permitem que modelos de linguagem interajam com código e sistemas operacionais estão tornando o desenvolvimento mais acessível — e, ao mesmo tempo, menos previsível.
