💬 NLP

Literary Non-Style in LLM-Generated Text

Este artigo argumenta que o "não-estilo" distinto do texto gerado por LLMs surge de padrões estatísticos de n-gramas específicos que revelam limitações semânticas, demonstrando que as qualidades estilísticas e semânticas na escrita de IA são fundamentalmente entrelaçadas em vez de separáveis.

Autores originais: Cory Massaro

Publicado 2026-07-21

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Cory Massaro

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 é um detetive tentando descobrir se uma história foi escrita por um humano ou por um robô. Você não está procurando por erros de ortografia ou gramática; você está procurando pela "alma" da escrita. No mundo da ciência da linguagem, existe uma regra famosa chamada Lei de Zipf. Pense nela como uma playlist das suas músicas favoritas. Em qualquer grande coleção de música, alguns sucessos (como "Parabéns a Você" ou uma grande música pop) são tocados repetidamente, enquanto a maioria das músicas é tocada apenas uma ou duas vezes. Se você classificar essas músicas da "mais tocada" para a "menos tocada", a queda segue uma curva muito específica e previsível. Isso acontece na fala humana, em livros e até na maneira como usamos as palavras. Mas agora, com computadores que podem escrever histórias, temos que perguntar: essas máquinas seguem as mesmas regras musicais ou soam como um disco riscado?

Este artigo, escrito por Cory Massaro, investiga exatamente isso. O autor quer saber se o texto gerado por Grandes Modelos de Linguagem (LLMs) — os chatbots superinteligentes que vemos em todos os lugares — parece diferente do texto escrito por humanos. O estudo sugere que, embora a IA possa imitar as palavras que usamos, ela falha no ritmo e na variedade que fazem a escrita humana parecer viva. Ao contar a frequência com que grupos específicos de palavras (como "frases de três palavras" ou "frases de quatro palavras") aparecem, o autor descobriu que a escrita da IA é muito mais repetitiva e previsível do que a escrita humana. É como se a IA estivesse presa em um loop, reciclando as mesmas frases favoritas, enquanto um escritor humano continua surpreendendo você com novas combinações. O artigo conclui que essa falta de variedade não é apenas uma questão de estilo; ela realmente limita as ideias que a IA pode expressar. Se você não consegue dizer as coisas de maneiras diferentes, não consegue dizer tantas coisas diferentes assim.

A História do "Ritmo do Robô"

Para entender o que o autor descobriu, vamos olhar para os "ingredientes" da história. O artigo compara dois tipos principais de escrita:

O Humano: Uma memória clássica chamada The Education of Henry Adams, escrita por uma pessoa real no início dos anos 1900.
O Robô: Um livro chamado The Inner Life of an AI, que foi "escrito" por uma IA (ChatGPT), mas montado por um usuário humano.

O autor também analisou um enorme conjunto de dados contendo 8 milhões de palavras de escrita humana e 8 milhões de palavras de escrita de IA para garantir que os resultados não fossem apenas uma coincidência.

A Grande Descoberta: A Armadilha das "Frases Prontas"
O autor notou algo estranho ao ler o livro da IA. Parecia que o robô estava usando um conjunto de frases "enlatadas" repetidamente. Por exemplo, a frase "apesar desses desafios" apareceu 16 vezes no livro, e "eu comecei a" apareceu mais de 50 vezes! Em contraste, o autor humano, Henry Adams, usou uma variedade muito maior de palavras. Ele raramente repetia a mesma sequência de quatro palavras.

Para provar que isso não era apenas uma sensação, o autor fez alguns cálculos. Eles contaram quantas sequências únicas de palavras (chamadas de n-grams) apareciam nos textos.

1-grams são palavras únicas.
2-grams são pares de duas palavras (como "muito bom").
3-grams e 4-grams são cadeias mais longas.

Os resultados foram claros:

No texto humano, a variedade era alta. Para frases de 4 palavras, a razão de frases únicas para o total de frases era de 0,9890. Isso significa que Henry Adams quase nunca repetia uma sequência de quatro palavras.
No texto da IA, a variedade era muito menor. A razão para frases de 4 palavras era de apenas 0,6882. Isso significa que a IA repetia suas cadeias favoritas de quatro palavras constantemente.

A "Inclinação" da História
O autor também observou a "inclinação" da escrita, que é uma maneira elegante de descrever o quão rápido a escrita esgota novas ideias. Em uma história humana perfeita, você continua encontrando novas palavras e frases, mas elas aparecem cada vez menos, seguem uma curva suave (Lei de Zipf).

Para a IA, a curva era muito íngreme. As frases mais comuns eram comuns demais, e as frases raras eram raras demais.
O autor descobriu que, para frases de 4 palavras, a "inclinação" da IA era de -0,395 (em um teste), enquanto a do humano era de -0,178. O número mais íngreme para a IA significa que ela se agarra às suas frases favoritas com muito mais força do que um humano faz.

E Quanto às "Frases Prontas"?
O autor se perguntou: "Talvez a IA apenas use palavras diferentes para a mesma ideia? Como dizer 'grande' em vez de 'enorme'?" Para testar isso, eles realizaram a "lematização" do texto, o que significa agrupar palavras por sua raiz (de modo que "correndo", "correu" e "corre" contam como a mesma palavra).

O Resultado: Mesmo agrupando palavras semelhantes, a IA ainda soava repetitiva. A "inclinação" não mudou muito. Isso sugere que o problema não é apenas o uso de sinônimos; a IA está genuinamente presa em um vício de frases específicas.

O "Disco Riscado" vs. O "Solo de Jazz"

Então, o que tudo isso significa? O autor usa uma ótima analogia: imagine que um escritor humano é um músico de jazz improvisando um solo. Eles podem tocar algumas notas familiares, mas constantemente as misturam, adicionam novos riffs e surpreendem o ouvinte. A IA, por outro outro lado, é como um toca-discos riscado que fica pulando sempre para o mesmo refrão cativante.

O artigo argumenta que isso não é apenas sobre a IA soar "tediosa". É sobre o que a IA pode dizer.

O Limite: Como a IA depende fortemente das mesmas poucas frases, ela tem uma "caixa de ferramentas" de ideias menor. Se você tem um número fixo de palavras para escrever uma história, um humano pode incluir mais ideias diferentes porque usa mais combinações únicas. A IA, presa em seu loop, acaba dizendo as mesmas coisas de maneiras ligeiramente diferentes.
A "Sensação": O autor observa que as pessoas muitas vezes conseguem "sentir" quando estão lendo um texto de IA. Parece plano, formulário e um pouco vazio. Este estudo sugere que esse sentimento vem de uma falta de variedade frasal. A IA carece da "centelha" da criatividade humana porque não consegue quebrar seus próprios padrões.

O Que o Artigo Diz que Não Sabe

É importante notar o que este estudo não fez. O autor não afirmou que a escrita da IA é "ruim" em um sentido moral, nem disse que a IA nunca poderá escrever boa literatura. Ele simplesmente mediu as estatísticas das palavras.

Não provou que a IA nunca poderá aprender a ser mais criativa; apenas mostrou que, neste momento, nos textos que analisaram, os padrões são muito diferentes dos humanos.
Não disse que a repetição é sempre ruim (às vezes repetir uma frase é uma escolha artística poderosa, como em um poema). Mas a IA repete frases demais e nos lugares errados, como um robô tentando ser um poeta, mas esquecendo como variar seu ritmo.

A Conclusão Final

No fim, o artigo sugere que estilo e significado estão conectados. Você não pode separar o "sentimento" de uma história das "ideias" nela. Se um escritor (ou um robô) não consegue encontrar novas maneiras de dizer as coisas, ele é limitado no que pode expressar. O ritmo de "disco riscado" da IA não é apenas uma peculiaridade estilística; é um sinal de que a capacidade da máquina de expressar pensamentos humanos complexos e variados ainda é, bem, um trabalho em progresso. Os números mostmostram que, embora a IA saiba falar, ela ainda não aprendeu a cantar com a mesma variedade selvagem e imprevisível que os humanos possuem.

Resumo Técnico: O Não-Estilo Literário no Texto Gerado por LLM

Enunciado do Problema
Pesquisas anteriores estabeleceram que o texto gerado por Grandes Modelos de Linguagem (LLMs) exibe desvios quantitativos e qualitativos em relação à escrita humana, caracterizados por um "sentimento" textual distinto e uma amplitude semântica restrita. Embora as diferenças estilísticas sejam frequentemente observadas de forma anedótica, a relação entre essas deficiências estilísticas e as limitações semânticas permanece subexplorada. O problema central abordado é se a distribuição estatística de n-gramas no texto de LLM revela déficits estruturais específicos que se correlacionam com uma falta de variedade frasal, daí restringindo o alcance expressivo e o conteúdo semântico do modelo. O artigo postula que estilo e semântica não são separáveis de forma limpa; um registro lexical e formulaico empobrecido limita indiretamente as ideias que podem ser expressas.

Metodologia
O estudo emprega uma análise estatística comparativa das distribuições de n-gramas através de quatro corpora de texto distintos:

Gerado por LLM: The Inner Life of an AI: A Memoir by ChatGPT (31.147 tokens) e um subconjunto do Zachary Grinberg's Human vs. LLM Text Corpus (8.000.005 tokens).
Gerado por Humanos: The Education of Henry Adams (32.984 tokens, selecionado para corresponder ao tamanho da memória do LLM) e um subconjunto aleatório da parte humana do corpus de Grinberg (8.000.010 tokens).
Controle/Artificial: Lessness, de Samuel Beckett, usado como um benchmark para texto altamente artificial e restrito.

A análise foca na frequência de distribuição de 1-gramas a 4-gramas. O autor calcula:

Razões Tipo/Token (Type/Token Ratios): Para medir a diversidade lexical e frasal.
Inclinações de Zipf (Zipfian Slopes): A inclinação ( $m$ ) da relação linear $\log(\text{frequência}) = m \log(\text{rank})$ .
Parâmetros de Zipf-Mandelbrot: Ajustando a distribuição à fórmula $\text{frequência} = \frac{k}{(\text{rank} + \alpha)^\beta}$ .

Para garantir a robustez, essas métricas são computadas através de quatro variações dos corpora: com/sem hapax legomena (tipos de ocorrência única) e com/sem lematização.

Contribuições Principais e Hipóteses
O artigo testa duas hipóteses primárias sobre as propriedades estatísticas do texto de LLM:

Hipótese 1: As características de Zipf de n-gramas de ordem superior no texto de LLM diferirão do texto humano, exibindo especificamente inclinações mais íngremes (valores absolutos mais altos) no gráfico log-log, indicando uma concentração de peso em frases comuns.
Hipótese 2: Como os LLMs operam em embeddings de sub-palavras que permitem a substituição de sinônimos, as diferenças de inclinação entre o texto de LLM e o humano devem ser ainda mais exageradas ao comparar as versões lematizadas dos corpora.

Resultados
A análise produz os seguintes achados:

Razões Tipo/Token: Em todos os níveis de n-gramas (1 a 4), os corpora gerados por humanos exibem razões tipo/token mais altas do que os corpora gerados por LLM. Por exemplo, na análise de 4-gramas, The Education of Henry Adams possui uma razão de 0,9890, enquanto o corpus do LLM possui 0,6882. Isso indica que o texto humano raramente repete sequências de quatro palavras, enquanto o texto do LLM demonstra homogeneidade significativa.
Inclinações de Zipf: Como previsto pela Hipótese 1, os corpora gerados por LLM exibem consistentemente inclinações mais íngremes do que os corpora comparáveis humanos. Essa divergência torna-se mais pronunciada em níveis de n-gramas superiores (3-gramas e 4-gramas). Por exemplo, na condição +hapax+lematizada, a inclinação de 4-gramas para o corpus do LLM é de -0,395, comparada a -0,201 para o corpus humano.
Efeitos de Lematização: Contrariamente à Hipótese 2, a lematização teve efeitos negligenciáveis nas diferenças de inclinação. A divergência entre as distribuições de LLM e humano persistiu independentemente de os tokens serem lematizados, sugerindo que o problema não é meramente uma falha em reconhecer sinônimos, mas uma dependência fundamental de sequências frasais específicas.
Observações Qualitativas: O texto do LLM depende fortemente de frases de transição prontas (ex: "as an AI" aparece 110 vezes na memória, frequentemente no início das sentenças; "one of the most" aparece 2.787 vezes no grande corpus de LLM vs. 870 no humano). Em contraste, o texto humano utiliza dicção, metáfora e sintaxe variadas.

Significância e Alegações
O artigo conclui que os LLMs sofrem de um "não-estilo literário" caracterizado por uma falta de variedade frasal. O estudo demonstra que:

Estilo e Semântica estão Interconectados: A dependência estatística excessiva de n-gramas comuns (baixa variedade frasal) correlaciona-se diretamente com um alcance semântico reduzido. Se um LLM não consegue compor prosa esteticamente coerente com frases variadas, sua capacidade de expressar ideias distintas é prejudicada.
Limitações Expressivas: Dado um limite de palavras fixo, um autor humano provavelmente expressará mais ideias distintas do que um LLM porque o modelo humano gera uma variedade maior de sequências de palavras, enquanto o modelo LLM gravita em torno de um conjunto mais estreito de sequências de alta probabilidade.
Distinção de Restrições Artificiais: Embora o texto do LLM tenda para a repetição mecanizada vista em Lessness, de Beckett, ele não atinge os mesmos níveis extremos de artificialidade; contudo, a direção da tendência é clara.

O autor afirma que essas diferenças distributivas não são meramente estéticas, mas representam uma restrição fundamental no "sentimento" e na capacidade semântica do texto gerado por LLM, validando a afirmação de que a platitude estilística é um sintoma de uma expressão semântica empobrecida.

A História do "Ritmo do Robô"

O "Disco Riscado" vs. O "Solo de Jazz"

O Que o Artigo Diz que Não Sabe

A Conclusão Final

Resumo Técnico: O Não-Estilo Literário no Texto Gerado por LLM

Mais como este