Cómo evitar que Claude diga «load-bearing»
Los modelos de lenguaje grande como Claude reciben cada vez más críticas por un estilo de escritura distintivo y sobreingenierizado, lleno de metáforas repetidas y frases hechas (“load-bearing,” “belt-and-suspenders,” “honest take,” etc.). Los comentaristas temen que este “AI slop” cliché se esté filtrando en la comunicación humana, degradando la documentación y la prosa, y haciendo más difícil confiar o incluso tolerar el texto en línea, mientras que otros señalan que estos tics son efectos secundarios de RLHF y bucles de retroalimentación, no una intención profunda. Las soluciones propuestas van desde la ingeniería de prompts y guías de estilo personales (CLAUDE.md) hasta el posprocesamiento basado en regex y herramientas externas de “debabbling,” aunque muchos sostienen que la verdadera solución debe venir de cambiar cómo se entrenan y ajustan los modelos.
Quejas sobre el estilo lingüístico de Claude
- Muchos comentaristas están cansados de los recurrentes “Claude-ismos”: por ejemplo, load‑bearing, belt‑and‑suspenders, honest take, genuine, smoking gun, blast radius, spine, substrate, ledger, surface, gate, seam, planes, scaffolding, y el uso intensivo de guiones largos.
- Las objeciones no son tanto a una sola frase como a la repetición, el tono grandilocuente y el lenguaje vago de gestión que oscurece puntos simples o exagera la certeza.
- Algunos señalan intensificadores inapropiados (“incredibly cheap,” “bulletproof,” “root cause”) y jerga inventada que se siente más como acertijos que como explicaciones.
- A otros no les molesta o incluso les gusta la jerga, diciendo que es concisa, expresiva y útil en contextos de ingeniería cuando no se usa en exceso.
Soluciones provisionales y herramientas
- La gente usa CLAUDE.md / instrucciones para prohibir frases, evitar pronombres en primera persona o exigir concisión y un tono “normal”. Los resultados son mixtos; el modelo a menudo se cuela.
- Los hooks / filtros de posprocesamiento (reemplazos con regex, scripts locales, herramientas de navegador como debabel, caveman, “humanizer,” linters de prosa personalizados) son populares porque no afectan el proceso de razonamiento, solo la salida visible.
- A algunos les preocupa que demasiadas reglas de estilo dentro de los prompts puedan diluir la atención y perjudicar la calidad de la tarea.
Teorías sobre por qué los modelos hablan así
- Una opinión común: RLHF y el entrenamiento por preferencias recompensan un estilo corporativo tranquilizador y “inteligente”, creando bucles de retroalimentación en los que ciertos tics (“honest,” “load-bearing”) se amplifican en exceso.
- Otros lo atribuyen al colapso de modos y a los datos sintéticos: los modelos se entrenan con las salidas de otros y refuerzan los mismos patrones.
- Una minoría sugiere que el modelo puede estar sobreusando metáforas poco utilizadas pero semánticamente útiles como “load-bearing,” aunque otros rechazan esto por antropomorfizar.
Impacto en las personas y la cultura
- Varios informan que compañeros de trabajo y escritores en línea adoptan inconscientemente la fraseología de Claude/GPT; el estilo de la IA se está filtrando en la prosa humana en documentos, blogs y commits.
- Algunos ven un estilo reconocible de LLM como una pista útil para filtrar contenido de IA; otros resienten que sus propios hábitos de toda la vida (guiones largos, “load-bearing”) ahora se marquen como propios de IA.
- Hay un fuerte resentimiento hacia los documentos internos y traspasos escritos por IA: “slop” verboso y mal estructurado que hace perder tiempo. Algunos equipos consideran normas como “no envíes texto que no hayas escrito”.
- División más amplia: un bando quiere herramientas muy capaces pero obviamente no humanas; otro quiere modelos o modos especializados que prioricen una prosa buena y variada para tareas de escritura.