Pesquisa aponta seis vícios de escrita das IAs que deixam o texto cansativo de ler
Estudo de NYU e Universidade do Texas em Austin diz que modelos de ponta abusam de construções difíceis de processar. Os pesquisadores ligam o problema ao treino focado em código e matemática.
Em 3 pontos
- Estudo analisou 14 modelos de IA e achou seis padrões que deixam o texto difícil de ler.
- Os pesquisadores ligam o problema ao treino focado em código e matemática, sem recompensa por clareza.
- Modelos menores, como Llama, escrevem mais parecido com humanos.
Redação IA Seenup · via The Decoder
Em números
- 14modelos de linguagem analisados
- 980redações analisadas
- 120conversas analisadas
- 19 de 21comparações vencidas pelo Opus 5.5 sobre o Opus 5
O que aconteceu
Pesquisadores da Universidade de Nova York (NYU) e da Universidade do Texas em Austin publicaram um estudo mostrando que os modelos de linguagem mais avançados usam demais certos padrões que dificultam a leitura. A notícia é do site The Decoder.
A equipe pediu a 14 modelos, entre eles Claude, GPT-5.6, GLM-5, Kimi K2.5 e modelos abertos menores, como Llama e Olmo, que produzissem textos em conversas casuais, sessões de programação e redações argumentativas. Ao todo, foram analisadas 120 conversas, 45 sessões de programação e 980 redações. O material foi comparado com textos humanos de legendas de filmes, do fórum StackExchange e de redações de estudantes.
Os seis padrões
- Combinações de palavras incomuns, que quase não aparecem em textos humanos.
- Partes da frase relacionadas, mas distantes, o que sobrecarrega a memória de trabalho do leitor.
- Referências encurtadas, sem o conectivo (no inglês, "the book the professor wrote" em vez de "the book that the professor wrote").
- Pilhas de substantivos, como "horror movie soundtrack generator", em que o leitor precisa descobrir o que modifica o quê.
- Substantivos viram verbos onde uma pessoa não faria isso, como "calendar it".
- Verbos de seres vivos aplicados a coisas, como uma conversa que "come o próprio rabo".
O leitor até entende o sentido, mas gasta um instante extra a cada trecho.
Por que importa
Segundo os autores, a linguagem humana equilibra a facilidade de quem escreve com a de quem lê. Os modelos atuais, porém, são treinados cada vez mais em matemática, código e raciocínio lógico, tarefas em que o acerto é recompensado e a clareza não. Eles apontam ainda a mudança do RLHF (treino com avaliação de pessoas) para o RLVR (treino com recompensas verificáveis automaticamente), que tira os humanos do ciclo. Resultado: os modelos desenvolvem uma espécie de "dialeto" bom para comprimir informação, mas ruim para quem lê.
Os modelos menores escrevem mais como gente. Llama e a versão base do Olmo são os mais próximos do texto humano. Dentro da família Olmo, a distância cresce da versão base para a versão de instruções e chega a níveis de modelos de ponta na versão de raciocínio, o que sugere o pós-treinamento como causa provável.
Num teste de prova de conceito, um modelo pequeno treinado com penalidade para respostas longas passou a preferir frases curtas quase sempre, inclusive em construções que não tinha visto. Pessoas, ao contrário, escolhem a forma curta ou longa conforme a situação.
O que muda para quem usa IA
A sensação de que a resposta da IA está certa, mas cansa, tem agora dados por trás. O Decoder lembra que um engenheiro da Anthropic, Jackson Kernion, já havia explicado que a otimização para matemática e código empurrou o Claude para um estilo denso demais para humanos. Segundo o estudo, o Claude Opus 5.5 venceu o antecessor, o Opus 5, em 19 de 21 comparações, o que indica que ajuste direcionado pode melhorar a legibilidade.
Na prática, vale desconfiar de frases truncadas e metáforas estranhas e pedir à IA para reescrever em linguagem simples.
Entenda os termos
- RLHF
- Treino em que pessoas avaliam as respostas do modelo e ele aprende com essas notas.
- RLVR
- Treino em que o modelo é recompensado quando a resposta pode ser verificada como correta, como em código e matemática.
- Pós-treinamento
- Etapa de ajuste feita depois do treino inicial, para o modelo seguir instruções e raciocinar melhor.
Gostou? Compartilhe
