A inteligência artificial tende a gerar informações incorretas, conhecidas como "alucinações", ao resumir documentos longos, o que reduz a eficiência do processamento. Para enfrentar esse desafio, pesquisadores da Universidade de Nova York desenvolveram um framework algorítmico baseado no comportamento de bandos de pássaros, que serve como uma etapa de pré-processamento para modelos de linguagem de grande escala (LLMs), visando melhorar a confiabilidade dos resumos de documentos.
A pesquisa foi realizada pelo professor Anasse Bari e pelo pesquisador Binxu Huang, ambos da Courant Institute of Mathematical, Computing and Data Sciences da Universidade de Nova York. Eles analisaram as razões pelas quais os agentes de IA cometem erros ao resumir documentos longos. Bari explicou: "Quando o texto de entrada é muito longo, ruidoso ou repetitivo, o desempenho do modelo se degrada, levando à perda de informações-chave ou ao desvio do material de origem." Assim, inspirando-se no comportamento de bandos de pássaros, eles trataram as frases do documento como pássaros virtuais, agrupando-as e filtrando-as para reduzir a redundância e reter os pontos principais, gerando assim uma entrada mais concisa para os LLMs processarem.
O funcionamento do framework é dividido em duas etapas: primeiro, limpar e pontuar as frases com base em características lexicais, semânticas e temáticas; segundo, aplicar regras inspiradas no comportamento de bandos de pássaros, agrupando frases semelhantes e selecionando a frase com maior pontuação de cada grupo, garantindo que o resumo cubra uma variedade de tópicos. Os pesquisadores testaram o método em mais de 9.000 documentos, e os resultados mostraram que os LLMs combinados com esse framework produziram resumos com maior precisão factual. Bari enfatizou: "Desenvolvemos um framework experimental como uma etapa de pré-processamento, não como um concorrente dos LLMs. Ele identifica frases importantes e remove o ruído." No entanto, ele também observou que o método ainda não resolve completamente o problema das alucinações, representando apenas uma melhoria parcial.
Detalhes da publicação: Autor: New York University; Título: «What flocking birds can teach AI about reducing noise»; Publicado em: «Frontiers in Artificial Intelligence» (2026).
