A pesquisa da New York University e da University of Texas at Austin identificou seis padrões linguísticos que modelos de linguagem de ponta usam sistematicamente com maior frequência e que são mais difíceis para as pessoas entenderem. Segundo o The Decoder.
Os autores associam o problema ao treinamento em código e materiais matemáticos: lá a recompensa é pela correção, não pela clareza. Segundo a descrição da pesquisa, modelos menores escrevem de forma mais parecida com os humanos.
A conclusão prática permanece limitada: o material disponível não revela os próprios padrões, a metodologia de pesquisa nem as diferenças entre modelos específicos. Assim, a publicação aponta mais para uma direção de verificação da qualidade das respostas do que fornece um critério universal de legibilidade.
comentário editorial
Por que importa
Condição provável: maior atenção à legibilidade como um indicador separado de qualidade das respostas de IA, e não apenas à sua correção. O próximo sinal observado será a publicação do estudo completo com a lista de padrões e a metodologia de verificação. A incerteza significativa permanece devido à ausência do texto primário e de dados.