Escrita na era dos LLMs

• Com o aumento recente da escrita com LLMs, padrões de escrita pouco naturais têm se tornado muito mais visíveis
• Frases de resumo fracas, uso excessivo de bullet points e ritmo monótono das frases são alguns dos problemas mais típicos da escrita com LLM
• Também há uma tendência de surgir baixa densidade de informação e expressões vagas, o que reduz os insights realmente úteis
• Por outro lado, repetição intencional, frases de sinalização claras e estrutura paralela às vezes são confundidas com estilo de LLM, mas na prática são ferramentas eficazes de escrita
• O autor destaca que usa LLMs para ajudar no planejamento do outline, geração de rascunhos e reescrita de trechos, mas que o julgamento final e a construção de conteúdo com profundidade continuam sendo responsabilidade humana

---

Common Patterns of Bad Writing I See from LLM Tools

• Ao longo dos últimos anos, enquanto escrevia e revisava artigos técnicos e posts de blog, o autor frequentemente sentiu que textos baseados em LLM tinham algo sutilmente “estranho e menos envolvente”
• Ao mesmo tempo, também percebeu como o uso de LLM ajuda bastante em fazer rascunhos, resumir materiais complexos e organizar ideias dispersas
• Neste texto, ele compartilha os padrões ruins de escrita que LLMs costumam gerar, hábitos de escrita que muita gente confunde com “estilo de LLM” mas que na verdade são aceitáveis, além das regras de escrita e prompting que ele realmente usa

Empty “summary” sentences that pretend to conclude a thought

• No fim dos parágrafos, aparecem com frequência frases de resumo que parecem conclusões, mas na prática não dizem nada como “By following these steps, we achieve better performance.” e “By internalizing these principles, you can cut through the noise.”
  • “Seguindo esse processo, podemos obter melhor desempenho”
  • “Ao internalizar esses princípios, você consegue atravessar a confusão”
• Esse tipo de frase não oferece ao leitor nenhum insight novo nem algo concreto para refletir
• O próprio autor diz que ainda não encontrou uma forma confiável de fazer o LLM escrever esse tipo de frase com mensagem realmente substancial

Overuse of bullet points and outlines

• LLMs tendem a abusar de bullet points (listas) e outlines
• Listas são úteis quando os itens são paralelos e independentes, mas quando as ideias estão conectadas ou o contexto importa, parágrafos costumam funcionar melhor

Flat sentence rhythm

• Quando todas as frases repetem comprimento e estrutura parecidos, o texto fica cansativo e mais difícil de acompanhar

• Variar o tamanho e o ritmo das frases é importante para dar ênfase, renovar a atenção e controlar a velocidade da leitura

  • Bad example:
    "We recently launched a conversational AI feature that lets users ask questions in plain English and get responses based on their past activity and current session. The system searches a database of help articles, ranks the most relevant ones using a custom scoring function, and passes the top result into a language model to generate the final answer. We spent weeks optimizing each step to keep latency under 300 milliseconds, including caching, pruning irrelevant articles, and tuning prompt templates."
    "Recentemente lançamos um recurso de IA conversacional que permite aos usuários fazer perguntas em linguagem natural e receber respostas com base em sua atividade passada e na sessão atual. O sistema consulta um banco de artigos de ajuda, classifica os mais relevantes usando uma função de pontuação personalizada e envia o melhor resultado para um modelo de linguagem gerar a resposta final. Passamos semanas otimizando cada etapa para manter a latência abaixo de 300 milissegundos, incluindo cache, remoção de artigos irrelevantes e ajuste de templates de prompt"

  • Good example:
    "We just launched a new conversational AI feature. It answers user questions in plain language, using context from the current session. The system searches help articles, scores them with a custom ranking function, feeds the top result into a fine-tuned language model, and runs in under 300ms using caching, pruning, and prompt tuning techniques."
    "Acabamos de lançar um novo recurso de IA conversacional. Ele responde às perguntas dos usuários em linguagem natural, usando o contexto da sessão atual. O sistema consulta artigos de ajuda, pontua os resultados com uma função de ranking personalizada, envia o melhor para um modelo de linguagem fine-tuned e opera em menos de 300ms com técnicas de cache, pruning e prompt tuning"

Not the right subject

• Quando a escolha do sujeito é inadequada, o ponto principal da frase fica desfocado
  • Bad example:
    "Readers are better guided when the subject matches the main idea of the sentence."
    "O leitor é melhor guiado quando o sujeito corresponde à ideia principal da frase"
  • Good example:
    "Choosing the right subject keeps the writing clear and focused."
    "Escolher o sujeito certo mantém a escrita clara e focada"
• Escolher o sujeito certo é importante para a coerência e o foco do texto

Low information density

• Abaixo está um exemplo de texto gerado por LLM obtido do Gemini 2.5 Pro:
  > "As someone who writes, reviews, and deconstructs complex information for a living, I’ve developed a strong allergy to bad writing. And lately, a lot of that bad writing has a specific, synthetic flavor—the unmistakable scent of an LLM. This post is a guide to navigating the new world of writing, with or without LLM assistance. First, I’ll cover the true pitfalls of LLM-generated text—the red flags that make it feel sterile and unconvincing."
  > "Como alguém que vive de escrever, revisar e desconstruir informações complexas, desenvolvi uma forte alergia à má escrita. E, ultimamente, grande parte dessa má escrita tem um sabor artificial específico — o cheiro inconfundível de um LLM. Este texto é um guia para navegar pelo novo mundo da escrita, com ou sem ajuda de LLM. Primeiro, vou abordar os verdadeiros problemas do texto gerado por LLM — os sinais de alerta que o fazem parecer estéril e pouco convincente."
• A estrutura das frases e a gramática são perfeitas, mas não há insight concreto, informação específica nem progressão real do argumento

Vagueness

• Textos de LLM têm forte tendência a evitar especificidade
• Apresentam ideias sem defini-las claramente, fazem afirmações sem evidência ou escrevem de um jeito em que não fica claro de quem se está falando
  “Some experts say prompt engineering is becoming less important. The ability to simply prompt LLMs can have a major impact on productivity.”
  “Alguns especialistas dizem que prompt engineering está se tornando menos importante. A capacidade de simplesmente dar prompts a LLMs pode ter um grande impacto na produtividade”
  → Faltam base concreta e alvo definido, como quem disse isso, em que contexto e para quem isso faz diferença

Overuse of demonstrative pronouns

• Também é comum haver uso excessivo de pronomes demonstrativos como "this", "that", "these" e "those"
• Se o substantivo a que eles se referem não estiver claro, o leitor pode facilmente perder o fio
  “This creates friction in production.”
  “Isso cria atrito em produção”
  Aqui, não está claro a que "this/isso" se refere

Fluency without understanding

• Frequentemente aparecem frases que soam fluidas na superfície, mas explicam muito pouco de fato
  “LLMs use attention mechanisms to generate contextually appropriate responses.”
  “LLMs usam mecanismos de attention para gerar respostas contextualmente apropriadas”
  → Se o leitor não souber o que é attention, a frase praticamente não transmite informação
• LLMs também inventam termos que não existem com certa frequência
  “We used GPT-4 for summarization, but it hallucinated details, so we added retrieval grounding.”
  “Usamos GPT-4 para sumarização, mas ele alucinou detalhes, então adicionamos retrieval grounding”
  → “retrieval grounding” não é um termo real
• Como LLMs não distinguem bem o conhecimento prévio do leitor nem a necessidade de explicação, muitas vezes acabam pulando justamente as partes difíceis

Writing Patterns People Flag as “LLM-Like,” But Are Actually Fine

• Também existem padrões de escrita que as pessoas tratam com cautela excessiva por parecerem estilo de LLM, mas que na verdade são comuns e eficazes
• O importante não é escrever de um jeito que não pareça de modelo, e sim escrever com clareza, intenção e controle

Intentional repetition

• Repetição pode ser eficaz para esclarecer ou reforçar ideias complexas
  "Vector databases store embeddings, or mathematical representations that capture semantic meaning in hundreds of dimensions. In other words, vector databases help find results that are “close” in meaning, not just exact text matches."
  “Bancos de dados vetoriais armazenam embeddings, ou seja, representações matemáticas que capturam significado semântico em centenas de dimensões. Em outras palavras, bancos de dados vetoriais ajudam a encontrar resultados ‘próximos’ em significado, e não apenas correspondências exatas de texto”

Signposting phrases

• Frases de sinalização como "essentially", "in short" e "the point is..." são úteis quando vêm seguidas de informação real
  Exemplo:
  "Essentially, instead of classifying the document as a whole, we classify each section independently."
  “Essencialmente, em vez de classificar o documento como um todo, classificamos cada seção de forma independente”

Parallel structure

• Estrutura paralela ajuda a organizar as ideias e torna o fluxo da frase mais suave
  "The system scales across inputs, stays responsive under load, and returns consistent results even with noisy prompts."
  “O sistema escala para diferentes entradas, continua responsivo sob carga e retorna resultados consistentes mesmo com prompts ruidosos”

Section headings that echo a structure

• Títulos de seção com estrutura previsível como “Why X fails”, “What to do instead” e “How to know if it worked” podem ser bastante eficazes se o conteúdo for claro

Declarative openings

• Começar uma seção com uma frase declarativa firme pode reforçar o foco do texto, desde que ela venha sustentada por evidência ou explicação
  Exemplo:
  "LLM evaluations are hard to get right. Many rely on user-defined gold labels or vague accuracy metrics, which do not work for subjective or multi-step tasks."
  “Avaliações de LLM são difíceis de fazer direito. Muitas dependem de gold labels definidos pelo usuário ou de métricas vagas de acurácia, o que não funciona para tarefas subjetivas ou com várias etapas”

Em dashes

• O travessão (—) é útil dentro da frase para explicações adicionais, mudança de ritmo e transições rápidas
• Quando bem usado, ajuda a criar um fluxo mais natural de fala e mais ênfase

How I Write with LLMs

• O autor considera que manter o fluxo (momentum) é a coisa mais importante na escrita
• Na prática, o processo de produção de um artigo ou post de blog costuma ser o seguinte
  • Planejar o outline (no papel ou mentalmente)
  • Gerar um rascunho
  • Ler o que foi escrito e revisar criticamente
  • Editar
• Esse processo pode se repetir em escalas diferentes, como nível de frase ou de seção
• Pessoas travam em pontos diferentes entre planejamento, rascunho e revisão
  • O autor monta outlines rapidamente, mas trava com frequência na formulação das frases (phrasing)
  • Por isso, usa LLMs ativamente como ferramenta para destravar e acelerar a construção do rascunho

Narrate the story to the model

• Ao começar um rascunho, ele escreve a história de forma solta, como se estivesse explicando a estrutura para um colega, cola isso no LLM e pede que ele gere um outline detalhado
• Repete esse processo até a estrutura ficar clara

Write the paragraph myself, even if it’s rough

• Depois que o outline está pronto, ele tenta escrever cada parágrafo por conta própria, mesmo que ainda esteja bruto
• Quando está difícil terminar uma frase ou parágrafo, pede algo como “finish it” ao LLM, escolhe a melhor entre várias versões e, se necessário, faz pequenos ajustes antes de usar
  “In the last couple of years, I’ve written and reviewed several technical papers and blog posts. Something always feels slightly off, enough to make the writing quietly uninviting. At the same time, I feel like I get tremendous value from using LLMs to write…” “finish it”
  “Nos últimos anos, escrevi e revisei vários artigos técnicos e posts de blog. Sempre parece haver algo ligeiramente estranho, suficiente para tornar o texto discretamente pouco convidativo. Ao mesmo tempo, sinto que obtenho um enorme valor ao usar LLMs para escrever…” “finish it”
  → O modelo oferece várias sugestões, e ele escolhe a melhor, faz pequenos ajustes e segue em frente

Use scoped rewrite strategies during revision

• Quando um parágrafo ou frase soa estranho, em vez de pedir “make it better”, ele passa ao LLM pedidos específicos ou padrões concretos (como estruturas retóricas)
• Estratégias de exemplo:
  • Colocar sujeito e verbo o mais cedo possível e próximos um do outro
  • Usar a estrutura SWBST (quem queria o quê, mas encontrou qual obstáculo, como reagiu e qual foi o resultado)
    • Exemplo:
      "We used GPT-4 for summarization. We wanted fluent answers, but it hallucinated facts. So we added a retrieval step. Then we re-ranked outputs based on citation accuracy."
      “Usamos GPT-4 para sumarização. Queríamos respostas fluentes, mas ele alucinava fatos. Então adicionamos uma etapa de retrieval. Depois, reordenamos as saídas com base na precisão das citações”
    • A estrutura SWBST funciona bem até em textos técnicos para transmitir com concisão motivação, problema, resposta e resultado

Parting Thoughts

• Hoje já vivemos numa era em que texto mediano (de qualidade média) pode ser produzido com facilidade por LLMs
• Mas decidir o que escrever, que perspectiva e estrutura escolher e onde aprofundar continua sendo trabalho humano
• Texto realmente bom precisa oferecer uma contribuição substancial proporcional ao seu tamanho e fazer valer o tempo investido pelo leitor
• Esse é o padrão que o autor busca atingir

[crawler]

Acho que, nesse sentido, o GeekNews é bom porque tem uma alta densidade de informação.
O fato de terminar em estilo telegráfico realmente parece uma otimização de densidade.