Experimento com logit_bias falha ao tentar humanizar escrita de IAs

Um experimento recente tentou uma abordagem técnica direta para “humanizar” a escrita de IAs. O pesquisador Vincent Schmalbach utilizou a funcionalidade logit_bias, um recurso de API que ajusta a probabilidade de um token ser selecionado pelo modelo antes mesmo da amostragem final. Em vez de simplesmente instruir a IA via prompt (que ela pode ignorar), o logit_bias age no nível numérico, influenciando diretamente as chances de palavras específicas aparecerem no texto gerado.

A ideia era simples: criar uma lista de palavras muito comuns em textos de IA, converter essas palavras em IDs de token e aplicar um valor negativo ao logit_bias para desencorajar seu uso. No entanto, o resultado não foi o esperado. A técnica não humanizou o texto. Em vez disso, a IA, privada de suas escolhas de tokens mais prováveis, muitas vezes gerou conteúdo de menor qualidade, com frases gramaticalmente incorretas ou até repetindo trechos, assemelhando-se a modelos de IA menos avançados. Essa limitação mostra como a manipulação direta e cega de tokens pode comprometer a coerência e a qualidade da geração de texto.

A cobertura anterior do CEVIU News já apontava para as dificuldades em gerar conteúdo de IA com qualidade e autenticidade. Em junho de 2026, a matéria “Quando mensagens escritas por IA trazem resultados negativos” destacava a recepção negativa do público a textos emocionais gerados por IA. Em julho de 2026, a reportagem “Estudo revela a inesperada fragilidade de LLMs na criação de artigos para blogs” aprofundou as limitações dos Grandes Modelos de Linguagem na produção de artigos de blog. Agora, o experimento com logit_bias mostra um avanço na compreensão do porquê essas limitações existem e na identificação das falhas em abordagens técnicas simplistas para resolvê-las. Não é apenas a IA que soa artificial, é que as tentativas de “consertar” isso com ajustes de API podem piorar a situação, revelando a complexidade da manipulação de tokens sem perda de qualidade.

A falha do experimento com logit_bias é um alerta para desenvolvedores e empresas. Ela demonstra que a “humanização” da IA não é um problema que se resolve com ajustes simples de parâmetros. A qualidade do texto gerado por modelos de linguagem depende de uma complexa teia de probabilidades. Interferir cegamente nesse processo pode degradar a saída, tornando o conteúdo menos útil e até incorreto.

Isso significa que, para alcançar textos realmente indistinguíveis dos humanos, é preciso ir além de proibições de palavras. Talvez sejam necessárias arquiteturas de modelo mais sofisticadas, técnicas de ajuste fino mais elaboradas ou prompts que instiguem a criatividade e o raciocínio contextual da IA de forma mais eficaz. É um lembrete de que a corrida por IAs mais “humanas” ainda tem muitos desafios técnicos pela frente.