💬 NLP

Disparities In Negation Understanding Across Languages In Vision-Language Models

Este artigo apresenta o primeiro benchmark multilingue verificado por humanos para avaliar o viés de afirmação em modelos de visão e linguagem, revelando que, embora correções como o SpaceVLM melhorem a compreensão de negações em vários idiomas, a eficácia dessas soluções varia significativamente dependendo de propriedades linguísticas como morfologia e sistema de escrita, destacando a necessidade de avaliações multilingues para garantir equidade global.

Autores originais: Charikleia Moraitaki, Sarah Pan, Skyler Pulling, Gwendolyn Flusche, Kumail Alhamoud, Marzyeh Ghassemi

Publicado 2026-04-22

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Charikleia Moraitaki, Sarah Pan, Skyler Pulling, Gwendolyn Flusche, Kumail Alhamoud, Marzyeh Ghassemi

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você tem um grupo de tradutores muito inteligentes, mas um pouco teimosos, que trabalham com imagens e textos. Eles são chamados de Modelos de Visão e Linguagem. A tarefa deles é olhar para uma foto e dizer o que está nela.

O problema que este artigo descobriu é que esses tradutores têm um "vício" em dizer que sim, mesmo quando a pergunta diz não.

O Vício em "Sim" (O Viés de Afirmação)

Pense assim: se você mostrar uma foto de um barco e perguntar: "Há um barco na imagem?", eles acertam. Mas, se você mostrar a mesma foto e perguntar: "Não há um barco na imagem?", eles muitas vezes continuam dizendo que há um barco.

Por que isso acontece? É como se o cérebro deles fosse tão focado na palavra "barco" que ignora a palavrinha mágica "não" que está na frente. Eles veem a palavra-chave e pulam direto para a conclusão, sem ler a frase inteira. Isso é perigoso! Imagine um médico usando essa tecnologia: se o raio-X diz "não há pneumonia", mas a máquina diz "há pneumonia" porque viu a palavra "pneumonia", o paciente pode receber um tratamento errado.

O Problema da Língua (Não é só Inglês)

Até agora, os cientistas testaram isso apenas em Inglês. Mas o artigo diz: "E se a gente testar em outras línguas?".

Aqui entra a parte criativa. O jeito de dizer "não" muda de país para país, como se cada língua tivesse um código secreto diferente:

Inglês, Espanhol, Grego: Usam uma "palavra solta" antes do verbo (como "não" ou "no"). É fácil de ver, como um letreiro vermelho.
Russo e Árabe: O "não" está misturado dentro da própria palavra, como se fosse um ingrediente escondido na massa do pão. É difícil de separar.
Chinês: Usa partículas que mudam de significado dependendo do contexto, como um camaleão que muda de cor.

Os pesquisadores criaram um teste gigante com 7 línguas diferentes (Inglês, Chinês, Árabe, Grego, Russo, Tagalo e Espanhol) para ver se esses tradutores inteligentes funcionavam igual para todos.

O Que Eles Descobriram? (A Prova de Fogo)

Eles testaram três "cérebros" de IA diferentes:

O "Monocultural" (CLIP): Esse modelo foi treinado quase só em inglês. Quando tentou falar outras línguas, foi um desastre. Em línguas como Árabe e Grego, ele acertava menos do que se estivesse chutando aleatoriamente (como jogar dados). Ele simplesmente não entendia a estrutura da frase.
O "Multicultural" (MultiCLIP): Esse foi treinado em várias línguas. Ele foi mais justo, acertando um pouco mais em todos os lugares, mas ainda assim, a média de acerto era baixa (cerca de 41%). Ou seja, mesmo sabendo várias línguas, ele ainda tinha dificuldade com o "não".
O "Corretor" (SpaceVLM): Os pesquisadores tentaram usar uma "ferramenta de correção" que foi inventada para o inglês. A ideia era: "Vamos separar a parte do 'sim' da parte do 'não' na frase antes de mostrar para o modelo".

O resultado foi revelador:

Para línguas que usam o "não" solto (como Inglês, Espanhol, Grego), a ferramenta funcionou maravilhosamente. O desempenho subiu muito!
Para línguas onde o "não" é complexo ou misturado (como Russo, Árabe e Chinês), a ferramenta não funcionou ou até piorou as coisas.

A Analogia da Chave e da Fechadura

Imagine que o "não" é uma chave.

No Inglês, a chave é reta e simples. A ferramenta de correção foi feita para essa chave reta. Funciona perfeitamente!
No Russo ou Árabe, a chave é tortuosa e cheia de detalhes. Tentar usar a ferramenta feita para a chave reta na chave tortuosa não abre a porta. Às vezes, até quebra a fechadura.

Por Que Isso Importa para Todos?

O artigo conclui que, se quisermos que a Inteligência Artificial seja justa para o mundo todo, não podemos apenas criar soluções baseadas no inglês e esperar que funcionem para todos.

É como tentar usar um guarda-chuva projetado para chuva leve em um furacão. Pode funcionar para quem está em Londres (Inglês), mas vai falhar miseravelmente para quem está no Oriente Médio ou na Ásia.

A lição final: Para que a IA seja segura e justa para todos, precisamos criar testes e soluções que entendam a "personalidade" de cada língua, especialmente aquelas palavras mágicas que negam a realidade. Não basta ser inteligente; é preciso ser culturalmente sábio.

Resumo Técnico: Disparidades na Compreensão de Negação em Modelos Visão-Linguagem Multilíngues

1. O Problema

Os Modelos Visão-Linguagem (VLMs) exibem um viés de afirmação (affirmation bias): uma tendência sistemática de selecionar legendas positivas ("X está presente") mesmo quando a descrição correta contém negação ("não há X"). Embora trabalhos anteriores tenham documentado essa falha em inglês e proposto soluções, a negação manifesta-se de formas distintas em diferentes idiomas devido a variações morfológicas, ordem das palavras e padrões de cliticização.

A lacuna crítica identificada é que todas as avaliações existentes focam exclusivamente no inglês. Isso ignora como estruturas linguísticas diversas (ex.: partículas isolantes no chinês, marcação clítica no árabe, negação verbal no grego) podem influenciar o comportamento do modelo. Essa limitação cria uma "divisão linguística digital", onde soluções desenvolvidas para o inglês podem não ser justas ou eficazes para a maioria das comunidades linguísticas globais, especialmente em domínios críticos como radiologia, onde a distinção entre "não há derrame" e "derrame presente" é vital.

2. Metodologia

Construção do Benchmark (NegBench Multilíngue):

Expansão de Dados: Os autores estenderam o dataset NegBench (originalmente em inglês, com 5.914 pares imagem-legenda do COCO) para sete idiomas tipologicamente diversos:
- Partículas independentes: Inglês, Espanhol, Grego, Tagalo.
- Negação morfologicamente complexa: Russo, Árabe.
- Partículas isolantes com funções semânticas distintas: Chinês Mandarim.
Diversidade: O conjunto cobre scripts latinos e não latinos, direções de escrita (esquerda-direita e direita-esquerda) e múltiplas famílias linguísticas.
Validação Humana: As traduções foram feitas via Google Translate e posteriormente verificadas por falantes nativos (30 amostras por idioma) para garantir a fidelidade semântica e a naturalidade das marcações de negação.

Modelos e Avaliação:

Modelos Testados: Três VLMs contrastivos com regimes de treinamento diferentes:
1. CLIP: Treinado principalmente em inglês.
2. SigLIP: Multilíngue.
3. MultiCLIP: Multilíngue.
Intervenção (SpaceVLM): Aplicação do SpaceVLM, uma correção proposta que calcula embeddings híbridos decompondo legendas em componentes afirmativos e negados (usando um limiar $\tau=0.92$ derivado de dados em inglês).
Métrica: Acurácia top-1 em uma tarefa de classificação de 4 opções (chance = 25%).

3. Resultados Principais

Disparidades de Desempenho Baseline:

CLIP: Apresentou a maior disparidade. Enquanto obteve 39,3% em inglês, caiu abaixo do acaso (chance) em Árabe (15,7%), Tagalo (11,8%) e Grego (18,0%).
SigLIP e MultiCLIP: Embora o treinamento multilíngue tenha reduzido a lacuna, o desempenho ainda é insatisfatório. O MultiCLIP foi o mais consistente (desvio padrão de 1,3%), mas sua acurácia média de 41,2% indica que mesmo os melhores modelos multilíngues lutam com a negação globalmente.
Tabela 1: Mostra que o gap entre o melhor e o pior desempenho pode chegar a 27,5 pontos percentuais (no CLIP), evidenciando que o treinamento multilíngue sozinho não resolve o problema.

Impacto do SpaceVLM e Padrões Tipológicos:
A aplicação do SpaceVLM revelou um padrão forte ligado à tipologia linguística (Tabela 2):

Línguas com Negação Adverbial/Partículas Independentes: (Inglês, Espanhol, Grego, Tagalo) sofreram melhorias substanciais e consistentes em todos os modelos (ganhos de +9,0 a +27,5 pp).
Línguas com Negação Morfologicamente Complexa ou Partículas Distintas: (Russo, Árabe, Chinês) mostraram ganhos variáveis, pequenos ou até negativos.
- Exemplo: No Tagalo, o SpaceVLM aumentou a acurácia do CLIP de 11,8% para 50,7% (+38,9 pp). No Chinês, o mesmo método reduziu o desempenho do SigLIP de 31,9% para 12,4% (-19,5 pp).
Robustez: Esse padrão persistiu mesmo ao testar modelos ajustados especificamente para negação (NegCLIP e ConCLIP), sugerindo que a estrutura de codificação da negação na língua é o fator determinante, e não apenas a arquitetura do modelo.

4. Contribuições Chave

Primeiro Benchmark Multilíngue de Negação: Introdução de um dataset verificado por humanos cobrindo sete idiomas tipologicamente diversos para avaliar VLMs.
Evidência de Desigualdade Linguística: Demonstração de que soluções de correção de negação baseadas em inglês não são equitativas; elas beneficiam desproporcionalmente línguas com estruturas sintáticas semelhantes ao inglês.
Correlação Tipologia-Desempenho: Identificação de que a morfologia e a estrutura da negação de um idioma influenciam diretamente a eficácia das correções de modelos (como o SpaceVLM).

5. Significado e Implicações

Justiça e Equidade: A descoberta de que a confiabilidade dos modelos varia drasticamente com base no idioma levanta sérias preocupações sobre a implantação global de IA, especialmente em aplicações de segurança crítica (ex.: diagnósticos médicos).
Direções Futuras: O trabalho sugere que a justiça em IA multilíngue exige:
- Curadoria de dados de pré-treinamento ricos em negação em diversos idiomas.
- Estratégias de tokenização que preservem o escopo da negação em sistemas morfológicos complexos.
- Calibração de métodos de correção (como o ajuste do limiar $\tau$ do SpaceVLM) por grupo tipológico, em vez de usar parâmetros otimizados apenas para o inglês.
- Ajuste fino de LLMs multilíngues para extrair componentes afirmativos e negados de forma mais precisa, considerando as diferenças sintáticas.

Conclusão:
O artigo conclui que, à medida que os VLMs são implantados globalmente, benchmarks que capturam a diversidade tipológica são essenciais. Soluções que funcionam para o inglês não garantem equidade para outras comunidades linguísticas, e a estrutura linguística é um fator crítico que deve ser considerado no desenvolvimento e na auditoria de sistemas de IA justos.