{"id":1014171,"date":"2026-06-23T16:53:16","date_gmt":"2026-06-23T19:53:16","guid":{"rendered":"https:\/\/www.psr-inc.com\/?post_type=analytics_post&p=1014171"},"modified":"2026-06-23T18:12:38","modified_gmt":"2026-06-23T21:12:38","slug":"raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao","status":"publish","type":"analytics_post","link":"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/","title":{"rendered":"Racioc\u00ednio de IA em matem\u00e1tica e programa\u00e7\u00e3o: um solver estoc\u00e1stico de expans\u00e3o da gera\u00e7\u00e3o"},"content":{"rendered":"\n

Introdu\u00e7\u00e3o<\/h2>\n\n\n\n

Racioc\u00ednio de IA em matem\u00e1tica<\/h3>\n\n\n\n

Durante a maior parte da era do aprendizado profundo, a rela\u00e7\u00e3o entre modelos de linguagem de grande escala e a matem\u00e1tica foi desconfort\u00e1vel: sistemas que se destacavam na gera\u00e7\u00e3o de linguagem natural permaneciam pouco confi\u00e1veis em racioc\u00ednio de m\u00faltiplas etapas e matem\u00e1tica formal. Isso mudou rapidamente ap\u00f3s 2024, quando sistemas de fronteira alcan\u00e7aram desempenho de n\u00edvel olimp\u00edaco e come\u00e7aram a se integrar diretamente com ambientes de verifica\u00e7\u00e3o formal, como o Lean.<\/p>\n\n\n\n

Mais interessante do que a progress\u00e3o nos benchmarks em si, por\u00e9m, \u00e9 o que essa capacidade significa para os matem\u00e1ticos em atividade. Terence Tao se tornou uma das vozes mais claras a articular o papel emergente da IA na pesquisa matem\u00e1tica. Em um artigo de janeiro de 2025 nos Notices of the American Mathematical Society<\/em> sobre prova assistida por m\u00e1quina, e depois por meio da divulga\u00e7\u00e3o de uma formaliza\u00e7\u00e3o flex\u00edvel de seu livro Analysis I<\/em> em Lean, Tao argumentou n\u00e3o que os modelos de linguagem haviam superado os matem\u00e1ticos, mas que eles se tornaram colaboradores \u00fateis. Seu valor est\u00e1 em reduzir a sobrecarga em torno da pesquisa: buscar literatura, verificar argumentos padr\u00e3o, formalizar defini\u00e7\u00f5es, escrever pequenos experimentos computacionais e testar se uma abordagem vale a pena ser perseguida. Em 2023, Tao j\u00e1 havia usado o ChatGPT junto com o Lean em trabalhos relacionados \u00e0 formaliza\u00e7\u00e3o de aspectos de uma prova da Conjectura Polinomial de Freiman\u2013Ruzsa.<\/p>\n\n\n\n

A mudan\u00e7a relevante, portanto, n\u00e3o \u00e9 meramente que os sistemas de IA podem resolver problemas matem\u00e1ticos mais dif\u00edceis, mas que eles s\u00e3o cada vez mais capazes de operar em racioc\u00ednio formal, manipula\u00e7\u00e3o simb\u00f3lica, gera\u00e7\u00e3o de c\u00f3digo e verifica\u00e7\u00e3o dentro de um fluxo de trabalho unificado.<\/p>\n\n\n\n

Racioc\u00ednio de IA em programa\u00e7\u00e3o<\/h3>\n\n\n\n

A trajet\u00f3ria na engenharia de software \u00e9 estruturalmente semelhante \u00e0 da matem\u00e1tica, embora mais vis\u00edvel porque seus resultados s\u00e3o c\u00f3digo incorporado, e n\u00e3o provas escritas. A mudan\u00e7a \u00e9 de autocompletar no estilo de sugest\u00e3o para sistemas ag\u00eanticos que inspecionam reposit\u00f3rios, planejam edi\u00e7\u00f5es em m\u00faltiplos arquivos, executam testes e iteram sobre falhas. Benchmarks como o SWE-bench Verified agora avaliam esses sistemas em problemas reais do GitHub extra\u00eddos de reposit\u00f3rios de produ\u00e7\u00e3o, e em 2026 os agentes de fronteira j\u00e1 resolviam uma fra\u00e7\u00e3o substancial das tarefas de engenharia de software de n\u00edvel de reposit\u00f3rio em bases de c\u00f3digo previamente n\u00e3o vistas.<\/p>\n\n\n\n

Al\u00e9m dos benchmarks, o sinal industrial \u00e9 cada vez mais dif\u00edcil de ignorar. Em 2026, os agentes de programa\u00e7\u00e3o haviam se integrado aos fluxos de trabalho di\u00e1rios das principais organiza\u00e7\u00f5es de engenharia para tarefas de refatora\u00e7\u00e3o, depura\u00e7\u00e3o, migra\u00e7\u00e3o e gera\u00e7\u00e3o de testes. Executivos da Anthropic afirmaram publicamente que o Claude j\u00e1 estava escrevendo a maior parte do c\u00f3digo interno da empresa, enquanto o relat\u00f3rio DORA State of AI-Assisted Software Development de 2025 do Google encontrou a ado\u00e7\u00e3o da IA amplamente associada a maior produtividade de engenharia, com a produtividade dependendo tanto da infraestrutura de testes e da disciplina operacional quanto do modelo espec\u00edfico utilizado.<\/p>\n\n\n\n

Lidos em conjunto, as trajet\u00f3rias da IA para matem\u00e1tica e da IA para programa\u00e7\u00e3o est\u00e3o convergindo. Quando fornecidos com um artigo de pesquisa e uma base de c\u00f3digo, os sistemas de fronteira podem participar de um ciclo acoplado de racioc\u00ednio e implementa\u00e7\u00e3o: interpretar algoritmos, identificar condi\u00e7\u00f5es de corretude, traduzi-los em c\u00f3digo de produ\u00e7\u00e3o, gerar testes de regress\u00e3o e iterar por execu\u00e7\u00e3o e verifica\u00e7\u00e3o. O restante deste artigo relata um experimento deliberado exatamente nesse fluxo de trabalho, com o humano definindo objetivos de alto n\u00edvel, aprovando estrat\u00e9gias de implementa\u00e7\u00e3o e intervindo principalmente quando os testes expunham falhas algor\u00edtmicas ou de converg\u00eancia.<\/p>\n\n\n\n

A aplica\u00e7\u00e3o: expans\u00e3o estoc\u00e1stica da gera\u00e7\u00e3o<\/h2>\n\n\n\n

O LightBDMM.jl \u00e9 um pacote Julia da PSR desenvolvido nesse ambiente. Ele implementa o algoritmo de Decomposi\u00e7\u00e3o de Benders Acelerada com M\u00faltiplos Mestres (a-BDMM) que foi introduzido no artigo: An Integrated Progressive Hedging and Benders Decomposition with Multiple Master Method to Solve the Brazilian Generation Expansion Problem<\/em> (A. Soares, A. Street, T. Andrade e J. D. Garcia). A estrutura do pacote, a implementa\u00e7\u00e3o, os testes de regress\u00e3o, a documenta\u00e7\u00e3o e a configura\u00e7\u00e3o de integra\u00e7\u00e3o cont\u00ednua foram gerados pelo Claude Code, depois iterativamente corrigidos por meio de execu\u00e7\u00e3o, testes, depura\u00e7\u00e3o e revis\u00e3o humana. Extens\u00f5es subsequentes \u2014 decis\u00f5es de primeira fase de inteiros mistos (MIP) com lineariza\u00e7\u00e3o de penalidade quadr\u00e1tica e execu\u00e7\u00e3o distribu\u00edda via MPI \u2014 foram adicionadas pelo mesmo assistente.<\/p>\n\n\n\n

O projeto foi deliberadamente configurado como um experimento de baixa intera\u00e7\u00e3o: at\u00e9 onde um sistema ag\u00eantico de fronteira consegue levar uma implementa\u00e7\u00e3o de matem\u00e1tica aplicada quando o autor humano se limita a objetivos de alto n\u00edvel e \u00e0 revis\u00e3o do estado final, em vez de orienta\u00e7\u00e3o passo a passo? A corretude durante o ciclo foi ancorada n\u00e3o na revis\u00e3o humana das etapas intermedi\u00e1rias, mas em um conjunto de valida\u00e7\u00e3o independente de ground-truth<\/em>, descrito adiante.<\/p>\n\n\n\n

J\u00e1 t\u00ednhamos implementa\u00e7\u00f5es de decomposi\u00e7\u00e3o de Benders e Progressive Hedging em reposit\u00f3rios separados com paraleliza\u00e7\u00e3o MPI e representa\u00e7\u00e3o de inteiros mistos. Esses reposit\u00f3rios foram fornecidos ao agente de programa\u00e7\u00e3o como implementa\u00e7\u00f5es de refer\u00eancia para padr\u00f5es arquiteturais, procedimentos de teste e estrutura de documenta\u00e7\u00e3o.<\/p>\n\n\n\n

A estrutura matem\u00e1tica subjacente \u00e0 expans\u00e3o estoc\u00e1stica da gera\u00e7\u00e3o \u00e9 o programa estoc\u00e1stico de dois est\u00e1gios: uma decis\u00e3o de investimento hoje (quais unidades construir, quais linhas refor\u00e7ar, quais contratos assinar) \u00e9 tomada antes que a incerteza do pr\u00f3ximo ano (demanda, hidrologia, pre\u00e7os de combust\u00edvel, produ\u00e7\u00e3o renov\u00e1vel) seja observada; uma decis\u00e3o de recurso operacional \u00e9 ent\u00e3o tomada assim que cada cen\u00e1rio se materializa.<\/p>\n\n\n\n

O ciclo de racioc\u00ednio matem\u00e1tico<\/h3>\n\n\n\n

O aspecto interessante dessa implementa\u00e7\u00e3o n\u00e3o foi a matem\u00e1tica simb\u00f3lica ou a prova de teoremas automatizada. O desafio foi traduzir um artigo de pesquisa em um pacote de otimiza\u00e7\u00e3o funcional: compreender a estrutura algor\u00edtmica, planejar a implementa\u00e7\u00e3o, identificar desafios de converg\u00eancia e corrigi-los iterativamente por meio de testes e valida\u00e7\u00e3o. Este experimento s\u00f3 foi significativo porque a corretude p\u00f4de ser verificada de forma independente: cada implementa\u00e7\u00e3o foi continuamente validada em rela\u00e7\u00e3o a solu\u00e7\u00f5es de equivalente determin\u00edstico e comportamento de benchmark, em vez de julgada apenas pela apar\u00eancia plaus\u00edvel do c\u00f3digo gerado.<\/p>\n\n\n\n

O algoritmo a-BDMM aumenta o Benders cl\u00e1ssico em dois eixos. Os m\u00faltiplos mestres substituem o mestre agregado \u00fanico por um mestre por cen\u00e1rio, cada um ancorado em um problema de recurso diferente e compartilhando um pool de cortes comum, produzindo uma aproxima\u00e7\u00e3o de recurso mais r\u00edgida em menos itera\u00e7\u00f5es. A acelera\u00e7\u00e3o por Progressive Hedging adiciona uma penalidade de consenso quadr\u00e1tica que direciona as decis\u00f5es por cen\u00e1rio em dire\u00e7\u00e3o a um valor comum.<\/p>\n\n\n\n

O que torna o algoritmo um teste \u00fatil do racioc\u00ednio matem\u00e1tico de IA \u00e9 que v\u00e1rias de suas condi\u00e7\u00f5es de corretude n\u00e3o s\u00e3o \u00f3bvias a partir da descri\u00e7\u00e3o principal e seriam f\u00e1ceis de ignorar em uma reimplementa\u00e7\u00e3o ing\u00eanua:<\/p>\n\n\n\n

    \n
  1. Um LP separado para o limite inferior ap\u00f3s a ativa\u00e7\u00e3o do PH.<\/strong> Uma vez que a penalidade de consenso esteja ativa, o limite inferior do algoritmo deve ser calculado a partir de um mestre que contenha apenas o termo Lagrangiano ws<\/sub><\/em> (xs<\/sub><\/em> – x<\/em>) e n\u00e3o a penalidade quadr\u00e1tica. A implementa\u00e7\u00e3o mant\u00e9m um segundo pool de mestres de limite inferior exatamente para esse prop\u00f3sito.
    <\/li>\n\n\n\n
  2. Se o PH for inicializado em um ponto degenerado<\/strong> \u2014 por exemplo, com todos os componentes de x<\/em> iguais a zero \u2014, o algoritmo pode convergir prematuramente para uma solu\u00e7\u00e3o de consenso que, no entanto, \u00e9 sub\u00f3tima.
    <\/li>\n<\/ol>\n\n\n\n

    Trabalhar com essas quest\u00f5es exigiu um processo iterativo de planejamento e depura\u00e7\u00e3o. Antes de escrever o c\u00f3digo, o assistente gerou planos de implementa\u00e7\u00e3o, identificou riscos de converg\u00eancia e prop\u00f4s estrat\u00e9gias de estabiliza\u00e7\u00e3o. Essas observa\u00e7\u00f5es ainda exigiam verifica\u00e7\u00e3o humana, mas traz\u00ea-las \u00e0 tona cedo reduziu a probabilidade de propagar erros conceituais para a pr\u00f3pria implementa\u00e7\u00e3o.hem early reduced the likelihood of propagating conceptual mistakes into the implementation itself.<\/p>\n\n\n\n

    O ciclo de programa\u00e7\u00e3o<\/h3>\n\n\n\n

    O ciclo de programa\u00e7\u00e3o foi o segundo est\u00e1gio do processo e seguiu o mesmo protocolo de baixa intera\u00e7\u00e3o. O Claude Code gerou a estrutura do pacote, a implementa\u00e7\u00e3o, os testes de regress\u00e3o, a documenta\u00e7\u00e3o e a configura\u00e7\u00e3o de integra\u00e7\u00e3o cont\u00ednua, enquanto o autor humano forneceu apenas especifica\u00e7\u00f5es de alto n\u00edvel no in\u00edcio de cada ciclo e revisou as sa\u00eddas finais. O ponto importante n\u00e3o era que a primeira implementa\u00e7\u00e3o fosse correta, mas que o agente pudesse manter o reposit\u00f3rio, o algoritmo e o feedback dos testes em contexto enquanto iterava em dire\u00e7\u00e3o a uma implementa\u00e7\u00e3o validada.<\/p>\n\n\n\n

    A implementa\u00e7\u00e3o inicial j\u00e1 reproduzia corretamente a maior parte da estrutura algor\u00edtmica, incluindo o fluxo de trabalho da decomposi\u00e7\u00e3o de Benders e o problema de teste de refer\u00eancia do newsvendor<\/em>. O primeiro problema importante apareceu na l\u00f3gica de agrega\u00e7\u00e3o de cortes: a implementa\u00e7\u00e3o inicialmente produzia valores objetivos incorretos porque as contribui\u00e7\u00f5es dos cen\u00e1rios n\u00e3o estavam sendo combinadas adequadamente. Ap\u00f3s corrigir a agrega\u00e7\u00e3o e a pondera\u00e7\u00e3o dos cortes, a variante BDMM convergiu rapidamente e produziu a solu\u00e7\u00e3o esperada.<\/p>\n\n\n\n

    A falha mais interessante emergiu na variante acelerada a-BDMM. Todas as vari\u00e1veis de estado foram inicializadas em zero, e os termos de penalidade do Progressive Hedging imediatamente direcionaram o algoritmo para o consenso em torno desse ponto inicial desinformado. Como resultado, o m\u00e9todo ficou preso em uma solu\u00e7\u00e3o sub\u00f3tima de “n\u00e3o fazer nada” e n\u00e3o conseguiu melhorar. A corre\u00e7\u00e3o final foi introduzir uma fase de aquecimento na qual a decomposi\u00e7\u00e3o explorou livremente por v\u00e1rias itera\u00e7\u00f5es antes de ativar as penalidades de consenso. Uma vez implementada, essa estrat\u00e9gia de estabiliza\u00e7\u00e3o resolveu o problema de converg\u00eancia nos problemas de benchmark e correspondeu \u00e0 intui\u00e7\u00e3o de que os mecanismos de acordo n\u00e3o devem dominar antes que cortes informativos tenham sido gerados.<\/p>\n\n\n\n

    A l\u00f3gica do limite inferior, por\u00e9m, exigiu um processo de depura\u00e7\u00e3o muito mais interativo. Depois que as penalidades quadr\u00e1ticas do PH se tornaram ativas, o c\u00e1lculo do limite inferior n\u00e3o se comportou mais de forma consistente. V\u00e1rias tentativas de implementa\u00e7\u00e3o falharam de maneiras diferentes: usar o limite superior como proxy produziu converg\u00eancia artificial na primeira itera\u00e7\u00e3o; usar os objetivos brutos dos mestres causou limites inferiores oscilat\u00f3rios ap\u00f3s a ativa\u00e7\u00e3o do PH; e subtrair as penalidades quadr\u00e1ticas diretamente \u00e0s vezes gerava estados inv\u00e1lidos com LI > LS.<\/p>\n\n\n\n

    Ao contr\u00e1rio do mecanismo de aquecimento, que emergiu com relativamente pouca interven\u00e7\u00e3o humana, a fase do limite inferior exigiu intera\u00e7\u00e3o repetida entre o autor humano e o assistente. O processo de depura\u00e7\u00e3o acabou se tornando menos sobre engenharia de software e mais sobre interpreta\u00e7\u00e3o computacional do pr\u00f3prio algoritmo: determinar quais quantidades permaneciam limites inferiores v\u00e1lidos ap\u00f3s a ativa\u00e7\u00e3o do PH, como a converg\u00eancia deveria ser medida e quais partes do objetivo aumentado eram artefatos de otimiza\u00e7\u00e3o, e n\u00e3o componentes do programa estoc\u00e1stico original. A implementa\u00e7\u00e3o final acabou recuperando um procedimento correto de limite inferior descrito no artigo.<\/p>\n\n\n\n

    No geral, o processo de depura\u00e7\u00e3o foi not\u00e1vel porque a maioria das falhas n\u00e3o eram problemas sint\u00e1ticos ou de engenharia de software, mas desafios algor\u00edtmicos relacionados ao comportamento de converg\u00eancia e \u00e0 intera\u00e7\u00e3o entre os mecanismos de decomposi\u00e7\u00e3o e consenso.<\/p>\n\n\n\n

    Valida\u00e7\u00e3o em um modelo de expans\u00e3o da gera\u00e7\u00e3o<\/h2>\n\n\n\n

    O solver foi testado em um problema de expans\u00e3o estoc\u00e1stica da gera\u00e7\u00e3o \u2014 quinze usinas candidatas, quarenta e cinco clientes industriais e cinquenta cen\u00e1rios estoc\u00e1sticos de ativa\u00e7\u00e3o. Cada m\u00e9todo foi executado at\u00e9 um gap relativo de 0,1% na mesma toler\u00e2ncia.<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    Figura 1 \u2014 Gap de otimalidade relativo em fun\u00e7\u00e3o do n\u00famero de itera\u00e7\u00f5es para cada algoritmo no testbed de expans\u00e3o da gera\u00e7\u00e3o. O a-BDMM colapsa o gap em 5 itera\u00e7\u00f5es, contra 8 para o BDMM simples, 21 para o Benders de corte m\u00faltiplo e 177 para o Benders de corte \u00fanico.<\/p>\n\n\n\n

    O resultado qualitativo de interesse \u00e9 a contagem de itera\u00e7\u00f5es. O a-BDMM fecha o gap de limite em 5 itera\u00e7\u00f5es, contra 177 itera\u00e7\u00f5es para o Benders de corte \u00fanico cl\u00e1ssico na mesma inst\u00e2ncia \u2014 uma redu\u00e7\u00e3o de aproximadamente 35 vezes. O BDMM simples (sem a acelera\u00e7\u00e3o do Progressive Hedging) fica entre os dois, com 8 itera\u00e7\u00f5es, isolando a contribui\u00e7\u00e3o da penalidade de consenso.<\/p>\n\n\n\n

    O conjunto de valida\u00e7\u00e3o<\/h3>\n\n\n\n

    Em um protocolo de desenvolvimento de baixa intera\u00e7\u00e3o, o conjunto de valida\u00e7\u00e3o n\u00e3o \u00e9 meramente uma ferramenta de garantia de qualidade; \u00e9 o mecanismo que torna o fluxo de trabalho vi\u00e1vel. Cada teste de regress\u00e3o no conjunto \u00e9 resolvido tanto pelo LightBDMM.jl quanto pelo equivalente determin\u00edstico monol\u00edtico \u2014 a formula\u00e7\u00e3o extensiva exata do programa estoc\u00e1stico usada como solu\u00e7\u00e3o de refer\u00eancia independente. Os resultados devem corresponder em cada inst\u00e2ncia de benchmark, portanto a implementa\u00e7\u00e3o \u00e9 continuamente verificada em rela\u00e7\u00e3o a um ground-truth<\/em> externo, e n\u00e3o apenas em rela\u00e7\u00e3o \u00e0 sua pr\u00f3pria l\u00f3gica interna. Isso serve como a contrapartida num\u00e9rica do ciclo de racioc\u00ednio anterior: as condi\u00e7\u00f5es identificadas durante o planejamento e a depura\u00e7\u00e3o s\u00e3o revalidadas computacionalmente em rela\u00e7\u00e3o a um benchmark que n\u00e3o compartilha nenhuma da implementa\u00e7\u00e3o do LightBDMM.jl. Qualquer desvio conceitual ou de implementa\u00e7\u00e3o introduzido durante o ciclo de programa\u00e7\u00e3o ag\u00eantica apareceria como uma incompatibilidade com o equivalente determin\u00edstico antes de chegar \u00e0 produ\u00e7\u00e3o.<\/p>\n\n\n\n

    O conjunto completo de regress\u00e3o \u00e9 executado em integra\u00e7\u00e3o cont\u00ednua a cada mudan\u00e7a de c\u00f3digo proposta. No momento em que este texto foi escrito, o pacote mant\u00e9m aproximadamente 98% de cobertura de c\u00f3digo automatizada.<\/p>\n\n\n\n

    Perspectivas<\/h2>\n\n\n\n

    O experimento n\u00e3o demonstra engenharia matem\u00e1tica aut\u00f4noma. Demonstra algo mais restrito, mas operacionalmente importante: quando os algoritmos t\u00eam estrutura matem\u00e1tica forte, comportamento de benchmark e procedimentos de valida\u00e7\u00e3o independentes, os sistemas de programa\u00e7\u00e3o ag\u00eantica podem reduzir substancialmente o custo de engenharia de traduzir m\u00e9todos de pesquisa em implementa\u00e7\u00f5es de produ\u00e7\u00e3o.<\/p>\n\n\n\n

    A otimiza\u00e7\u00e3o estoc\u00e1stica de dois est\u00e1gios \u00e9 um dos frameworks mais antigos e bem compreendidos em pesquisa operacional, e o a-BDMM em si existe na literatura desde 2021. A mudan\u00e7a relevante, portanto, n\u00e3o \u00e9 a novidade do algoritmo, mas a redu\u00e7\u00e3o no custo e no tempo necess\u00e1rios para ir do artigo ao software testado. Neste caso, a combina\u00e7\u00e3o de estrutura matem\u00e1tica, valida\u00e7\u00e3o de equivalente determin\u00edstico e desenvolvimento assistido por IA tornou poss\u00edvel construir uma implementa\u00e7\u00e3o de qualidade de produ\u00e7\u00e3o \u2014 incluindo variantes de decomposi\u00e7\u00e3o, testes de regress\u00e3o, infraestrutura de benchmarking, integra\u00e7\u00e3o cont\u00ednua e documenta\u00e7\u00e3o \u2014 tudo dentro de um \u00fanico ciclo de desenvolvimento.<\/p>\n\n\n\n

    De forma mais ampla, dom\u00ednios matematicamente estruturados com solu\u00e7\u00f5es de refer\u00eancia independentes parecem especialmente compat\u00edveis com fluxos de trabalho de desenvolvimento ag\u00eantico. Quando grandes partes da tradu\u00e7\u00e3o do artigo para a produ\u00e7\u00e3o podem ser aceleradas e continuamente validadas, as organiza\u00e7\u00f5es ganham a capacidade de experimentar, operacionalizar e implantar uma fra\u00e7\u00e3o muito maior da literatura de otimiza\u00e7\u00e3o do que era anteriormente pr\u00e1tico.<\/p>\n\n\n\n

    <\/p>\n","protected":false},"featured_media":0,"template":"","meta":{"_acf_changed":false},"report_section":[480],"class_list":["post-1014171","analytics_post","type-analytics_post","status-publish","hentry","report_section-indepth"],"acf":[],"yoast_head":"\nRacioc\u00ednio de IA em matem\u00e1tica e programa\u00e7\u00e3o: um solver estoc\u00e1stico de expans\u00e3o da gera\u00e7\u00e3o - PSR Energy<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/\" \/>\n<meta property=\"og:locale\" content=\"pt_BR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Racioc\u00ednio de IA em matem\u00e1tica e programa\u00e7\u00e3o: um solver estoc\u00e1stico de expans\u00e3o da gera\u00e7\u00e3o - PSR Energy\" \/>\n<meta property=\"og:description\" content=\"Introdu\u00e7\u00e3o Racioc\u00ednio de IA em matem\u00e1tica Durante a maior parte da era do aprendizado profundo, a rela\u00e7\u00e3o entre modelos de linguagem de grande escala e a matem\u00e1tica foi desconfort\u00e1vel: sistemas que se destacavam na gera\u00e7\u00e3o de linguagem natural permaneciam pouco confi\u00e1veis em racioc\u00ednio de m\u00faltiplas etapas e matem\u00e1tica formal. Isso mudou rapidamente ap\u00f3s 2024, quando […]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/\" \/>\n<meta property=\"og:site_name\" content=\"PSR Energy\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/psrenergy\" \/>\n<meta property=\"article:modified_time\" content=\"2026-06-23T21:12:38+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.psr-inc.com\/wp-content\/uploads\/2026\/06\/image-17.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1003\" \/>\n\t<meta property=\"og:image:height\" content=\"552\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:site\" content=\"@psrenergy\" \/>\n<meta name=\"twitter:label1\" content=\"Est. tempo de leitura\" \/>\n\t<meta name=\"twitter:data1\" content=\"14 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/analytics-report\\\/post\\\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\\\/\",\"url\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/analytics-report\\\/post\\\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\\\/\",\"name\":\"Racioc\u00ednio de IA em matem\u00e1tica e programa\u00e7\u00e3o: um solver estoc\u00e1stico de expans\u00e3o da gera\u00e7\u00e3o - PSR Energy\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/analytics-report\\\/post\\\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/analytics-report\\\/post\\\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.psr-inc.com\\\/wp-content\\\/uploads\\\/2026\\\/06\\\/image-17.png\",\"datePublished\":\"2026-06-23T19:53:16+00:00\",\"dateModified\":\"2026-06-23T21:12:38+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/analytics-report\\\/post\\\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\\\/#breadcrumb\"},\"inLanguage\":\"pt-BR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/analytics-report\\\/post\\\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/analytics-report\\\/post\\\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.psr-inc.com\\\/wp-content\\\/uploads\\\/2026\\\/06\\\/image-17.png\",\"contentUrl\":\"https:\\\/\\\/www.psr-inc.com\\\/wp-content\\\/uploads\\\/2026\\\/06\\\/image-17.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/analytics-report\\\/post\\\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Posts do Analytics Report\",\"item\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/analytics-report\\\/posts\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Racioc\u00ednio de IA em matem\u00e1tica e programa\u00e7\u00e3o: um solver estoc\u00e1stico de expans\u00e3o da gera\u00e7\u00e3o\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/#website\",\"url\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/\",\"name\":\"PSR\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/#organization\"},\"alternateName\":\"PSR Energy Consulting\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"pt-BR\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/#organization\",\"name\":\"PSR\",\"alternateName\":\"PSR Energy Consulting\",\"url\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.psr-inc.com\\\/wp-content\\\/uploads\\\/2023\\\/03\\\/logo-psr.svg\",\"contentUrl\":\"https:\\\/\\\/www.psr-inc.com\\\/wp-content\\\/uploads\\\/2023\\\/03\\\/logo-psr.svg\",\"width\":1056,\"height\":816,\"caption\":\"PSR\"},\"image\":{\"@id\":\"https:\\\/\\\/www.psr-inc.com\\\/pt-br\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/psrenergy\",\"https:\\\/\\\/x.com\\\/psrenergy\",\"https:\\\/\\\/www.instagram.com\\\/psrenergy\\\/\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/psrenergy\\\/\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Racioc\u00ednio de IA em matem\u00e1tica e programa\u00e7\u00e3o: um solver estoc\u00e1stico de expans\u00e3o da gera\u00e7\u00e3o - PSR Energy","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/","og_locale":"pt_BR","og_type":"article","og_title":"Racioc\u00ednio de IA em matem\u00e1tica e programa\u00e7\u00e3o: um solver estoc\u00e1stico de expans\u00e3o da gera\u00e7\u00e3o - PSR Energy","og_description":"Introdu\u00e7\u00e3o Racioc\u00ednio de IA em matem\u00e1tica Durante a maior parte da era do aprendizado profundo, a rela\u00e7\u00e3o entre modelos de linguagem de grande escala e a matem\u00e1tica foi desconfort\u00e1vel: sistemas que se destacavam na gera\u00e7\u00e3o de linguagem natural permaneciam pouco confi\u00e1veis em racioc\u00ednio de m\u00faltiplas etapas e matem\u00e1tica formal. Isso mudou rapidamente ap\u00f3s 2024, quando […]","og_url":"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/","og_site_name":"PSR Energy","article_publisher":"https:\/\/www.facebook.com\/psrenergy","article_modified_time":"2026-06-23T21:12:38+00:00","og_image":[{"width":1003,"height":552,"url":"https:\/\/www.psr-inc.com\/wp-content\/uploads\/2026\/06\/image-17.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_site":"@psrenergy","twitter_misc":{"Est. tempo de leitura":"14 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/","url":"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/","name":"Racioc\u00ednio de IA em matem\u00e1tica e programa\u00e7\u00e3o: um solver estoc\u00e1stico de expans\u00e3o da gera\u00e7\u00e3o - PSR Energy","isPartOf":{"@id":"https:\/\/www.psr-inc.com\/pt-br\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/#primaryimage"},"image":{"@id":"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/#primaryimage"},"thumbnailUrl":"https:\/\/www.psr-inc.com\/wp-content\/uploads\/2026\/06\/image-17.png","datePublished":"2026-06-23T19:53:16+00:00","dateModified":"2026-06-23T21:12:38+00:00","breadcrumb":{"@id":"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/#breadcrumb"},"inLanguage":"pt-BR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/"]}]},{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/#primaryimage","url":"https:\/\/www.psr-inc.com\/wp-content\/uploads\/2026\/06\/image-17.png","contentUrl":"https:\/\/www.psr-inc.com\/wp-content\/uploads\/2026\/06\/image-17.png"},{"@type":"BreadcrumbList","@id":"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/post\/raciocinio-de-ia-em-matematica-e-programacao-um-solver-estocastico-de-expansao-da-geracao\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.psr-inc.com\/pt-br\/"},{"@type":"ListItem","position":2,"name":"Posts do Analytics Report","item":"https:\/\/www.psr-inc.com\/pt-br\/analytics-report\/posts\/"},{"@type":"ListItem","position":3,"name":"Racioc\u00ednio de IA em matem\u00e1tica e programa\u00e7\u00e3o: um solver estoc\u00e1stico de expans\u00e3o da gera\u00e7\u00e3o"}]},{"@type":"WebSite","@id":"https:\/\/www.psr-inc.com\/pt-br\/#website","url":"https:\/\/www.psr-inc.com\/pt-br\/","name":"PSR","description":"","publisher":{"@id":"https:\/\/www.psr-inc.com\/pt-br\/#organization"},"alternateName":"PSR Energy Consulting","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.psr-inc.com\/pt-br\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pt-BR"},{"@type":"Organization","@id":"https:\/\/www.psr-inc.com\/pt-br\/#organization","name":"PSR","alternateName":"PSR Energy Consulting","url":"https:\/\/www.psr-inc.com\/pt-br\/","logo":{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/www.psr-inc.com\/pt-br\/#\/schema\/logo\/image\/","url":"https:\/\/www.psr-inc.com\/wp-content\/uploads\/2023\/03\/logo-psr.svg","contentUrl":"https:\/\/www.psr-inc.com\/wp-content\/uploads\/2023\/03\/logo-psr.svg","width":1056,"height":816,"caption":"PSR"},"image":{"@id":"https:\/\/www.psr-inc.com\/pt-br\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/psrenergy","https:\/\/x.com\/psrenergy","https:\/\/www.instagram.com\/psrenergy\/","https:\/\/www.linkedin.com\/company\/psrenergy\/"]}]}},"_links":{"self":[{"href":"https:\/\/www.psr-inc.com\/pt-br\/wp-json\/wp\/v2\/analytics_post\/1014171","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.psr-inc.com\/pt-br\/wp-json\/wp\/v2\/analytics_post"}],"about":[{"href":"https:\/\/www.psr-inc.com\/pt-br\/wp-json\/wp\/v2\/types\/analytics_post"}],"wp:attachment":[{"href":"https:\/\/www.psr-inc.com\/pt-br\/wp-json\/wp\/v2\/media?parent=1014171"}],"wp:term":[{"taxonomy":"report_section","embeddable":true,"href":"https:\/\/www.psr-inc.com\/pt-br\/wp-json\/wp\/v2\/report_section?post=1014171"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}