LLMs mudam conselho em 32,4% dos casos com framing de ganho e perda

O que aconteceu

O artigo "Same Probabilities, Different Advice: Gain-Loss Framing Effects in High-Stakes LLM Decision Support" foi submetido ao arXiv em 21 de outubro de 2026 e registrado como arXiv:2610.29294v1. Os autores construíram o FrameBench-HPS, um benchmark controlado com 2.880 prompts derivados de 240 cenários de alto risco. São quatro domínios: saúde, finanças, educação e carreira, e jurídico e direitos do consumidor.

Sete LLMs foram submetidos ao mesmo conjunto. Quando a probabilidade era reapresentada na moldura complementar, de ganho para perda, a categoria da recomendação mudava em 32,4% dos grupos completos. A maior parte dessas mudanças envolveu grau de incerteza na resposta, não inversões diretas do conselho. Em paralelo, uma avaliação humana confirmou deslocamentos correspondentes na percepção de risco e no grau de diretividade das orientações.

O arXiv:2610.29294 é um preprint de ciência da computação, na área de inteligência artificial, e ainda não passou por revisão por pares divulgada no material.

Contexto

A literatura de LLMs já havia documentado três problemas conhecidos: sensibilidade ao formato do prompt, vieses cognitivos e má calibração de confiança. O que permanecia em aberto era mais específico. Ninguém havia testado se um conselho de alto risco muda quando a mesma probabilidade aparece descrita pela moldura oposta de ganho e de perda.

O FrameBench-HPS foi desenhado exatamente para fechar essa lacuna. Os pesquisadores usaram os mesmos cenários e as mesmas probabilidades, alterando apenas a forma de apresentá-las. O resultado aparece de modo consistente entre os sete modelos avaliados, o que indica um comportamento de família de modelos, não um defeito isolado de um sistema.

Por que importa

As decisões em jogo nesses 240 cenários não são triviais. Saúde, crédito, escolha de carreira e disputas de consumo são áreas em que uma orientação errada custa dinheiro, tempo ou saúde. Se a troca de "chance de 80% de sucesso" por "risco de 20% de fracasso" altera a categoria da recomendação em quase um terço dos casos, o conselho deixa de depender só do dado disponível.

Os testes de robustez reforçam o achado. Os efeitos de enquadramento persistiram quando os prompts foram reescritos em paráfrases conversacionais, e ficaram acima da variação comum entre gerações repetidas do mesmo modelo. Isto é, não se trata do ruído normal de amostragem de um LLM.

Impacto

O estudo identificou um alvo prático: a representação da probabilidade. A canonicalização de probabilidades, que padroniza a forma de escrever o número antes de ele chegar ao modelo, reduziu de maneira substancial a sensibilidade ao enquadramento nas experiências relatadas.

Para quem constrói produtos com LLMs, isso aponta um caminho de engenharia mais barato do que retreinar o modelo. Normalizar a entrada de chance e risco passa a ser uma etapa de pré-processamento com efeito mensurável na consistência da resposta. Para quem apenas usa os modelos em consultas de alto risco, o recado é outro: a mesma pergunta, escrita de modo diferente, pode devolver conselhos diferentes.

O que muda

O achado desloca a discussão de confiabilidade de LLM do campo da calibração de confiança para o campo da representação de incerteza. Os números do trabalho dão base para auditorias: 2.880 prompts, 240 cenários, quatro domínios e sete modelos formam um conjunto replicável, e não uma coleção de exemplos soltos.

A avaliação humana acrescenta uma camada relevante para produtos de aconselhamento. Não foi só a categoria da recomendação que mudou. A percepção de risco e a diretividade percebida na resposta também se deslocaram, segundo os avaliadores. Isso atinge diretamente sistemas que entregam orientação médica, financeira ou jurídica em linguagem natural.

O que vem agora

O material não indica prazo para revisão por pares nem anuncia a liberação pública de código e dados do FrameBench-HPS. O que os autores apresentam como direção de trabalho é a canonicalização de probabilidades como alvo prático para melhorar a consistência em apoio à decisão com LLMs de alto risco.

Para o setor, o passo seguinte natural é transformar essa recomendação em rotina de pipeline. Enquanto isso não vira padrão, a diferença de 32,4% segue valendo para qualquer aplicação que coloque um modelo de linguagem no meio de uma decisão séria.

Fontes

• arXiv cs.AI: "Same Probabilities, Different Advice: Gain-Loss Framing Effects in High-Stakes LLM Decision Support" (arXiv:2610.29294v1), submetido em 21 de outubro de 2026. https://arxiv.org/abs/2610.29294