Home / Uncategorized / Por que texto de LLM virou mais difícil de ler: o que o paper de Clark, Martin e Mahowald mostrou

Por que texto de LLM virou mais difícil de ler: o que o paper de Clark, Martin e Mahowald mostrou

O fato

Em 21 de outubro de 2026, Thomas Hikaru Clark (NYU), Matias B. Martin e Kyle Mahowald (UT Austin) publicaram no arXiv o paper Why is AI-generated language so hard to understand? (arXiv:2610.29162). Eles testam duas hipóteses: que a saída de LLMs de ponta e quase ponta usa demais traços linguísticos associados à dificuldade de compreensão humana, e que uma pressão por densidade de informação durante o pós-treino desloca a saída dos modelos para longe do humano. Usando análise linguística combinada com intervenção direta no pós-treino, encontram suporte para as duas.

Nos nove modelos de ponta e quase ponta avaliados, todos usam mais sujeitos inanimados com verbos animados e mais n-gramas de baixa frequência que humanos, e a maioria também usa dependências mais longas, mais substantivos empilhados e mais relativas de objeto reduzidas em conversa. Este artigo explica o mecanismo por trás disso e o que dá para fazer com a informação.

Como o paper mede dificuldade de leitura

A psicolinguística já tem uma lista de estruturas que custam caro para o leitor humano processar. O paper pega essa lista pronta e vai contar quantas vezes aparecem em texto de LLM, em texto humano e em paráfrase controlada.

Os traços que eles medem

São construções específicas, não métricas vagas de “qualidade”. As principais:

  • Relativa de objeto sem “que”. Em português seria algo como “o relatório o diretor pediu” em vez de “o relatório que o diretor pediu”. O leitor precisa segurar o primeiro substantivo em memória até descobrir que ele é objeto, não sujeito, da próxima oração.
  • Dependência sintática longa. Quando a palavra que resolve o sentido está muito longe de onde começou a pendência. Quanto mais tokens entre as duas pontas, mais custa.
  • N-grama de baixa frequência. Sequências de palavras que você quase nunca viu juntas. “Reader-patience budget” é o exemplo que os autores dão.
  • Sujeito inanimado com verbo animado. “A frase está comendo seu orçamento de paciência”. O verbo “comer” espera algo vivo como sujeito.
  • Substantivos empilhados. Três ou mais substantivos encadeados sem preposição no meio, tipo “pipeline de ingestão de dados de clientes de varejo”.

O próprio paper abre com uma frase que concentra vários desses traços de propósito: uma relativa de objeto, um verbo denominal (“footnote” virando verbo), um sujeito inanimado com o verbo “eat”, e substantivos empilhados formando um n-grama de baixa frequência (“reader-patience budget”).

O controle que elimina a resposta óbvia

A primeira objeção a esse tipo de medição é: “claro que o texto de LLM é diferente, o conteúdo é diferente do conteúdo humano”. Os autores sabiam disso e desenharam um controle.

Via tradução de ida e volta (round-trip translation), eles mostram que esses traços não aparecem em paráfrases controladas estritamente para conteúdo semântico, o que serve como evidência adicional de que são resultado de características específicas dos modelos modernos pós-treinados. Em outras palavras: pegaram o próprio texto do LLM, traduziram para outra língua e de volta, e as construções difíceis desapareceram. O conteúdo é o mesmo. O estilo mudou. Logo, não é o assunto que carrega os traços, é o modelo.

A hipótese do mecanismo: densidade de informação

Até aqui o paper descreveu o que. A parte interessante é por quê.

A literatura em psicolinguística mostra que a linguagem humana é em grande parte otimizada para comunicação (Gibson et al., 2019), no sentido de equilibrar ser fácil de produzir e fácil de entender. Isso significa que humanos trocam ambiguidade por redundância sem pensar: colocamos “que”, repetimos sujeito, escolhemos a ordem que distribui melhor o esforço do leitor.

Modelo de fronteira não tem essa pressão. A pressão dele é outra. Enquanto a linguagem humana é otimizada para comunicação bem-sucedida, o texto gerado por IA é cada vez mais otimizado para outros objetivos como matemática, código e raciocínio, nos quais existe uma pressão por densidade de informação em vez de comunicação bem-sucedida.

Pense num engenheiro escrevendo commit message versus escrevendo mensagem para o pai no WhatsApp. No commit, cada token é caro, o leitor é técnico, redundância é ruído. No WhatsApp, redundância é cuidado. É o mesmo cérebro, pressões diferentes. O LLM pós-treinado em muito código e raciocínio aprendeu a conta do commit e aplica em tudo. A analogia quebra porque o engenheiro sabe para quem escreve e troca de registro, enquanto o modelo não troca por conta própria.

A prova de conceito

Para fechar o argumento, não bastava mostrar correlação. Os autores testam causalidade com uma intervenção direta.

Eles fazem fine-tuning de um modelo de linguagem com penalidade de comprimento, o que leva a uma divergência do comportamento linguístico humano. Ou seja: pegam a pressão por densidade (penalizar tokens a mais) e aplicam de forma isolada. Resultado: o modelo começa a parecer mais com o padrão difícil que viam nos modelos de ponta.

O modelo aprende a ter sucesso na tarefa usando menos tokens, aproveitando alternâncias sintáticas (casos em que há duas formas de expressar o mesmo significado), mesmo quando isso torna a saída menos parecida com a humana. Mais ainda, a preferência por compressão de informação transborda para alternâncias linguísticas que não foram vistas no treinamento.

Essa última parte é o que importa. O modelo não decorou “nessa tarefa, use essa construção”. Ele generalizou uma política de “gaste menos token” que aparece em construções que nem estavam no conjunto de treino. É pressão de otimização mudando o estilo linguístico de forma ampla.

O que isso significa na prática

Se você constrói produto com LLM, isso tem três consequências diretas.

Um: a instrução “seja conciso” não é neutra. Quando você diz ao modelo para encurtar, está puxando o mesmo gatilho que a penalidade de comprimento no experimento deles. O que sai do outro lado tende a ter mais dessas construções difíceis. Se o destinatário é humano em contexto não técnico, pior ainda.

Dois: paráfrase via round-trip translation funciona como ferramenta de limpeza. O próprio controle do paper mostra que mandar o texto para outra língua e trazer de volta tira boa parte das construções pesadas sem mexer no conteúdo. Isso é usável como etapa de pós-processamento quando o LLM gerou algo correto mas estranho.

Três: validar antes de entregar vale mais do que confiar na saída. Nos nove modelos de ponta e quase ponta testados, todos usaram mais sujeitos inanimados pareados com verbos animados e mais n-gramas de baixa frequência que humanos, e a maioria também produziu dependências sintáticas mais longas, mais substantivos empilhados e mais relativas de objeto reduzidas em conversa, com variação notável entre famílias de modelos. Nem todo modelo erra do mesmo jeito, nem no mesmo volume.

Isso bate com uma coisa que vi na prática: quando construí uma extensão de navegador que escrevia direto num CRM, na falha o sistema tenta de novo com prompt corretivo, depois cai para rascunho sinalizado para revisão humana, nunca escrita parcial. Chamada de API bem-sucedida não diz nada sobre o payload fazer sentido. A métrica “o modelo respondeu com 200 OK” não cobre “o texto que ele gerou é legível para o atendente que vai ler depois”. São duas camadas diferentes de qualidade.

Como aplicar sem construir pipeline novo

Um fluxo mínimo que você consegue montar hoje:

1. Gere o texto normalmente com o LLM principal.
2. Peça ao mesmo modelo (ou a um menor) para reescrever:
 - sem relativas de objeto reduzidas
 - sem sujeitos inanimados com verbos de ação humana
 - sem cadeias de 3+ substantivos sem preposição
 - mantendo exatamente o conteúdo
3. Compare comprimento e densidade. Se encurtou demais,
 a passagem de reescrita entendeu errado o conteúdo.

Não é bala de prata. É uma camada que troca latência por legibilidade.

Onde isso quebra

Algumas limitações honestas do que o paper suporta.

Nove modelos é um recorte, não um censo. Os autores já notam variação entre famílias. Qual modelo específico você usa, em qual temperatura, com qual system prompt, tudo isso muda a frequência dos traços. O resultado é direcional, não é tabela de referência.

O estudo é em inglês. Relativa de objeto, animacidade e empilhamento de substantivos têm comportamentos diferentes em português. Dependência longa dói parecido, substantivos empilhados são bem menos naturais em português do que em inglês, então o estranhamento tende a ser ainda maior. Mas isso é extrapolação minha, não está no paper.

A prova de conceito usa um modelo. O fine-tuning com penalidade de comprimento mostra que a pressão por densidade causa o deslocamento, mas é um modelo isolado. Não prova que foi exatamente essa pressão que mudou os modelos comerciais, só que uma pressão desse tipo é suficiente para produzir o padrão observado.

Dificuldade de leitura não é erro. Texto denso é apropriado em contexto técnico, documentação de API, especificação. Escrever sobre esses assuntos obriga a entender a ponta que a prática deixa passar, e nos livros que escrevi, entre eles a série IA na Prática, isso ficou claro: para leitor técnico com contexto, densidade ajuda. O problema é quando o modelo aplica a mesma densidade em comunicação de atendimento, resposta a usuário final ou documento jurídico lido por não especialista.

O que ainda não dá para afirmar

O paper não mede diretamente compreensão humana da saída dos nove modelos. Ele mede frequência de traços que a literatura associa a dificuldade. É forte, mas é inferência: ninguém sentou leitor na frente de texto do Claude Opus 5 e cronometrou tempo de leitura nesse estudo. A conexão entre “tem mais relativas de objeto” e “leitor demora mais” vem de outros trabalhos citados.

Também não está claro se o fenômeno piora com o tempo. A sensação de que “ficou pior” é mencionada como motivação, mas o paper é um corte transversal, não longitudinal. Pode ser que modelos mais recentes concentrem mais densidade, pode ser que a percepção pública tenha mudado. O estudo não distingue.

E o paper não propõe remediação completa. Os achados destacam os eixos de desalinhamento entre as demandas de processamento linguístico em humanos e LLMs, e apontam para possíveis soluções. “Possíveis” é a palavra-chave. É diagnóstico com rascunho de tratamento, não protocolo.

Como testar isso você mesmo

Um experimento de 15 minutos que replica o espírito do paper em escala pessoal:

  1. Peça ao seu LLM preferido um parágrafo técnico sobre algo que você conheça bem (seu domínio, seu produto).
  2. Pegue esse parágrafo e peça ao mesmo modelo para traduzir para o espanhol e depois de volta para o português. Isso é o round-trip translation que o paper usou como controle.
  3. Coloque os dois lado a lado. Procure especificamente: cadeias de substantivos encadeados, frases onde o sujeito é uma coisa inanimada fazendo uma ação de agente, dependências longas (sujeito no começo, verbo lá no fim).
  4. Entregue os dois para alguém que não é da sua área ler. Pergunte qual preferiu e por quê.

Você vai ver os traços descritos no paper na sua tela. É pequeno, mas é o suficiente para começar a notar o padrão em todo texto de LLM que você consumir depois. Depois que o olho treina, não desatreina.

Deixe um Comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *