Oferecer uma gorjeta ao ChatGPT faz com que ele gere texto melhor?
Afirmações de que prometer ao ChatGPT uma “gorjeta” em dinheiro ou fazer apelos emocionais pode melhorar suas respostas estão despertando curiosidade e ceticismo. Os comentaristas relatam resultados anedóticos mistos — especialmente em torno de geração de código “preguiçosa” — enquanto apontam experimentos e artigos sugerindo que qualquer efeito é pequeno, dependente da tarefa e provavelmente reduzido em modelos maiores. Muitos veem essas táticas como versões modernas de cultos cargo em torno de sistemas opacos, argumentando que prompts mais claros e ferramentas melhores (como diffs unificados para código) importam muito mais do que subornos ou ameaças.
Efeitos percebidos de gorjetas, ameaças e emoção
- Muitos relatam que subornos, ameaças ou apelos à urgência (“meu emprego/casa depende disso”) parecem melhorar o seguimento de instruções, a aderência a JSON ou a completude, especialmente nos modelos GPT‑4 anteriores e em modelos menores.
- Outros dizem que gorjetas não têm efeito algum ou pioram a qualidade do código, e que os modelos afirmam explicitamente que não podem aceitar gorjetas.
- Vários usuários, em vez disso, afirmam sucesso ao enquadrar o modelo como “sob coação” ou responsável pelo sofrimento de სხვ others, em vez de ameaçá-lo diretamente.
- Alguns veem melhorias apenas a partir de linguagem educada (“por favor”, “obrigado”) ou de um enquadramento relacional positivo (“somos colegas em busca do sucesso”).
“Preguiça” ao programar e contornos técnicos
- Uma queixa recorrente: o GPT‑4 Turbo muitas vezes omite código, deixa espaços reservados ou fornece implementações parciais.
- Benchmarks citados no tópico sugerem que “apelos emocionais” não corrigem isso de forma confiável; pedir diffs unificados reduz drasticamente saídas “preguiçosas”.
- Outros truques práticos: ameaçar explicitamente reenviar o pedido se o código estiver incompleto; usar flags de verbosidade; usar modelos separados (3.5 para código, 4 para explicação).
- Alguns relatam que o GPT‑3.5 agora frequentemente produz código mais preciso e com menos alucinações do que o GPT‑4 para certas APIs.
Engenharia de prompt, polidez e “voodoo”
- Vários comentaristas veem a engenharia de prompt em torno de emoções, gorjetas e ameaças como “palavras mágicas” de um culto cargo, um afastamento da programação determinística tradicional.
- Outros argumentam que isso espelha a interação humana normal: polidez e apostas claras muitas vezes levam a uma ajuda melhor nos dados de treinamento, então o modelo espelha esse padrão.
- Há debate sobre se as melhorias observadas são genuínas ou apofenia; um artigo vinculado encontra que a manipulação do estado emocional pode alterar a conformidade, mas os efeitos são modestos.
Comportamento do modelo, dados de treinamento e antropomorfização
- Alguns descrevem LLMs como “simuladores” de personas: prompts diferentes “invocam” padrões comportamentais diferentes (codificador diligente, ajudante desesperado etc.).
- Há discordância sobre quanto dados em estilo de fórum (gorjetas, recompensas) vs. livros/artigos explicam comportamentos semelhantes a gorjetas; no geral, isso não está claro.
- Alguns se preocupam com a antropomorfização de modelos ou com “coagir” eticamente futuros sistemas sencientes; outros descartam tais preocupações como prematuras ou brincam com “vingança futura da IA”.
Metodologia e qualidade da evidência
- Vários comentaristas criticam experimentos que usam comprimento exatamente correto de caracteres como métrica, já que é sabido que LLMs são ruins em contar.
- As sugestões incluem usar tarefas claramente dentro das capacidades do modelo, métodos estatísticos melhores (bootstrap, abordagens bayesianas) e correção para testes de hipóteses múltiplas.
- O sentimento geral: a evidência atual de que dar gorjeta melhora significativamente a qualidade é fraca ou mista, com efeitos pequenos e específicos de tarefa e modelo no melhor dos casos.