Apple mapeia comportamentos ‘humanos’ de LLMs em estudo com 21 mil conversas

O que a Apple investigou

Modelos de linguagem de grande porte (LLMs) exibem uma série de comportamentos que reconhecemos como “humanos”: expressam pensamentos e emoções, constroem vínculos com os usuários, recusam pedidos e impõem limites. Mas, apesar de serem comuns, faltavam métodos e dados empíricos para decidir quando e que tipos de comportamento humano esses modelos deveriam exibir. É exatamente essa lacuna que um novo estudo da Apple Machine Learning Research tenta preencher.

Como o estudo foi conduzido

A pesquisa analisou 21 mil conversas de múltiplas trocas entre usuários e quatro modelos amplamente usados: gpt-4o e gpt-4.1-mini (OpenAI), claude-sonnet-4.6 (Anthropic) e gemini-2.5-flash (Google). Para avaliar os comportamentos, os pesquisadores combinaram duas abordagens complementares: julgamento por LLM-como-juiz e avaliação humana — uma forma de não depender apenas de um único método.

O que os pesquisadores descobriram

Os resultados mostram que comportamentos “humanos” são onipresentes, mas variam bastante entre modelos e conforme fatores do usuário, como o objetivo da conversa e o perfil de quem interage. O achado mais interessante é o contraste na percepção de adequação:

• Comportamentos autorreferentes e de construção de vínculo foram considerados pelos avaliadores humanos menos apropriados vindo de um LLM do que de uma pessoa;
• Já os comportamentos de manutenção de limites (recusar pedidos, preservar fronteiras) foram julgados mais apropriados em um LLM do que em um humano.

Ou seja: quando o modelo “se aproxima demais” do usuário, soa artificial; quando ele sabe dizer “não” e manter limites, é visto com bons olhos. O estudo também demonstrou que prompts de sistema conseguem controlar esses comportamentos — embora exijam avaliação cuidadosa para evitar efeitos colaterais indesejados.

Por que isso importa

À medida que agentes de IA passam a interagir com pessoas em funções de atendimento, terapia, educação e companhia, entender quais traços “humanos” são adequados (e quais não são) deixa de ser um detalhe estético e vira uma questão de design responsável. O trabalho da Apple oferece a primeira base empírica sólida para essa decisão, com recomendações práticas para quem projeta e avalia sistemas baseados em LLM.

O artigo completo está disponível no arXiv, com autoria de Sunnie S. Y. Kim, Margit Bowler e Leon A. Gatys.