Como impedir Claude de dizer load-bearing
Modelos de linguagem grandes como Claude são cada vez mais criticados por um estilo de escrita distinto e excessivamente elaborado, cheio de metáforas repetidas e frases feitas (“load-bearing,” “belt-and-suspenders,” “honest take,” etc.). Os comentaristas temem que esse “AI slop” clichê esteja vazando para a comunicação humana, degradando documentação e prosa, e tornando mais difícil confiar ou mesmo tolerar textos online, enquanto outros observam que esses tiques são efeitos colaterais de RLHF e ciclos de feedback, e não qualquer intenção profunda. As soluções propostas vão de engenharia de prompts e guias de estilo pessoais (CLAUDE.md) a pós-processamento baseado em regex e ferramentas externas de “debabbling”, embora muitos argumentem que a verdadeira solução precisa vir de mudanças na forma como os modelos são treinados e ajustados.
Reclamações sobre o estilo de linguagem de Claude
- Muitos comentaristas estão cansados de recorrentes “Claude-isms”: por exemplo, load‑bearing, belt‑and‑suspenders, honest take, genuine, smoking gun, blast radius, spine, substrate, ledger, surface, gate, seam, planes, scaffolding, e uso intenso de travessões.
- As objeções dizem menos respeito a qualquer frase isolada e mais à repetição, ao tom grandioso e a um jargão vago de gerência que obscurece pontos simples ou exagera a certeza.
- Alguns apontam intensificadores inadequados (“incredibly cheap,” “bulletproof,” “root cause”) e jargão inventado que parece quebra-cabeças em vez de explicações.
- Outros não se importam ou até gostam do jargão, dizendo que ele é conciso, expressivo e útil em contextos de engenharia quando não é usado em excesso.
Soluções alternativas e ferramentas
- As pessoas usam CLAUDE.md / instruções para banir frases, evitar pronomes na primeira pessoa ou exigir concisão e um tom “normal”. Os resultados são mistos; o modelo muitas vezes escorrega.
- Hooks / filtros de pós-processamento (substituições via regex, scripts locais, ferramentas de navegador como debabel, caveman, “humanizer”, linters de prosa personalizados) são populares porque não afetam o processo de raciocínio, apenas a saída visível.
- Alguns se preocupam que regras de estilo demais dentro dos prompts possam diluir a atenção e prejudicar a qualidade da tarefa.
Teorias sobre por que os modelos falam assim
- Visão comum: RLHF e treinamento por preferência recompensam um estilo corporativo, tranquilizador e “inteligente”, criando ciclos de feedback em que certos tiques (“honest,” “load-bearing”) ficam superamplificados.
- Outros ligam isso a mode collapse e dados sintéticos: modelos são treinados nas saídas uns dos outros e reforçam os mesmos padrões.
- Uma minoria sugere que o modelo pode estar usando em excesso metáforas pouco usadas, mas semanticamente úteis, como “load-bearing,” embora outros rejeitem isso como antropomorfização.
Impacto em humanos e na cultura
- Vários relatam colegas e escritores online adotando inconscientemente a formulação de Claude/GPT; o estilo de IA está vazando para a prosa humana em docs, blogs e commits.
- Alguns veem um estilo de LLM reconhecível como uma “pista” útil para filtrar conteúdo de IA; outros ressentem que seus próprios hábitos antigos (travessões, “load-bearing”) agora sejam sinalizados como parecidos com IA.
- Há forte ressentimento contra documentos internos e passagens de mão escritos por IA: “slop” verborrágico e mal estruturado que desperdiça tempo. Algumas equipes consideram normas como “não envie texto que você não escreveu.”
- Divisão mais ampla: um grupo quer ferramentas altamente capazes, mas obviamente não humanas no som; outro quer modelos ou modos especializados que priorizem uma prosa boa e variada para tarefas de escrita.