IA aprende por que certos títulos funcionam ^{CEFR B2}

Um estudo da Yale School of Management investigou como modelos de linguagem generativa podem aprender não apenas quais títulos dão mais cliques, mas por que eles funcionam. Tong Wang, K. Sudhir e o associado de pesquisa pré-doutoral Hengguang Zhou mostram que treinar um modelo apenas com títulos vencedores pode ensinar sinais superficiais, gerando isca de cliques em vez de entender motivos mais profundos.

Para evitar isso, os pesquisadores construíram um LLM que primeiro gera hipóteses concorrentes sobre por que um título é mais envolvente e depois testa essas hipóteses em amostras maiores. O método combina abdução — levantar explicações a partir de poucas observações — e indução — validar essas explicações em dados.

O time usou 23.000 headlines que descrevem 4.500 artigos do Upworthy e um modelo de pontuação pré-treinado com resultados dos testes A/B. Após ajustar o LLM com as hipóteses validadas, testaram títulos com cerca de 150 pessoas: títulos humanos e de IA padrão foram escolhidos em torno de 30% das vezes, enquanto o novo modelo foi selecionado 44% das vezes. A análise mostrou que a IA padrão dependia mais de linguagem sensacionalista.

Os autores afirmam que a abordagem pode gerar conhecimento aplicável em outras áreas. Sudhir citou trabalho com uma empresa para criar coaching personalizado por IA para agentes de atendimento, em que o sistema poderia revisar interações, propor hipóteses, validá‑las e oferecer conselhos; os insumos podem incluir texto, áudio ou dados visuais. Concluem que IA guiada por conhecimento pode melhorar conteúdo e tornar sistemas mais responsáveis e confiáveis.