A Inteligência Artificial Pode Ajudar a Identificar Notícias de “Slime Rosa”

As fábricas de opinião com agendas definidas, projetadas para influenciar a opinião pública em vez de servir ao público, podem ser mais difíceis de detectar se a IA for usada para torná-las mais originais e racionais. Então, a corrida está em andamento para manter a liderança no jogo de detecção de “slime rosa”.

O desfinanciamento de veículos de mídia locais tradicionais nos últimos vinte anos, tanto devido a tendências de mídia em evolução quanto – ultimamente – à política do governo dos EUA, deixou um vazio na reportagem regional que foi ansiosamente ocupado por organizações partidárias usando IA para impulsionar suas agendas.

Para colocar o termo “partidário” em contexto (considerando que nenhuma organização de notícias está sem tendências políticas de algum tipo), estamos falando sobre companhias de petróleo que operam sites de notícias regionais a partir de locais distantes, sem recursos locais reais, mas com o objetivo de defender a reputação pública da empresa; sites de notícias politicamente motivados privados de qualquer fonte de receita se preparando para as eleições; e toda uma rede de sites de notícias pró-Republicanos que surgem do nada, perto do horário de votação.

Em 2024, estima-se que as notícias de “slime rosa” impulsionadas por IA finalmente superaram os veículos de notícias genuínos; na época, uma pesquisa australiana descobriu que 41% dos consumidores preferiam fontes de “slime rosa” em vez de fontes “reais”.

Esse tipo de eleitoralismo encoberto, pode-se argumentar, evoluiu de uma mera arte escura para uma ameaça existencial à democracia (em relação a veículos de notícias politicamente motivados) e à confiança pública em padrões razoáveis de equidade na reportagem.

Portanto, métodos para distinguir a saída característica de editores de “slime rosa” e transmissores de organizações de mídia tradicionais seriam de grande ajuda, pelo menos para entender quem são os jogadores e as forças motrizes no clima de informação atual.

Como está, os tropos e templates de organizações de notícias reais são fáceis de imitar, e a IA torna a publicação escalável uma realidade atual e acessível, usando muitas das mesmas técnicas adotadas por editores e transmissores de “velha mídia” com orçamento apertado.

Sinal e Ruído

Um novo estudo dos EUA aborda essa questão, investigando o uso crescente de Grandes Modelos de Linguagem para tornar os sites de “slime rosa” menos genéricos e fáceis de detectar, e criando um quadro de aprendizado projetado para acompanhar as mudanças evolutivas na saída de “slime rosa” (PS).

Intitulado Expondo o Jornalismo de Slime Rosa: Assinaturas Linguísticas e Detecção Robusta Contra Ameaças Geradas por LLM, o novo trabalho vem de cinco pesquisadores da Universidade do Texas.

O novo trabalho investiga como os artigos de notícias locais produzidos em massa diferem da reportagem legítima, focando em sua dependência de estruturas curtas e repetitivas e frases template com variação mínima; e os autores observam que os artigos de “slime rosa” tendem a reutilizar templates idênticos projetados para manipular a opinião pública, com apelos à emoção em primeiro lugar no conteúdo:

Do novo papel – vários veículos publicam artigos quase idênticos com apenas detalhes de localização alterados, revelando uma estratégia de copiar e colar usada para produzir em massa conteúdo que imita notícias locais legítimas. Fonte

Modelos de detecção tradicionais treinados nesses traços performam bem contra esse conteúdo, mas falham quando os artigos são reescritos usando chatbots de IA para parecerem mais naturais ou sofisticados.

Os testes dos autores indicam que até mesmo mudanças estilísticas menores introduzidas por grandes modelos de linguagem podem reduzir a precisão de detecção em até 40%. Para mitigar isso, eles propõem um quadro de aprendizado contínuo que retreina incrementalmente os modelos de detecção em artigos originais e reescritos por IA, para se adaptar a padrões linguísticos em mudança.

Método

Para estabelecer dados para o projeto, os autores usaram o Conjunto de Dados de Slime Rosa, que apresenta 7,9 milhões de artigos que cobrem 1.093 veículos durante 2021-2023, dos quais obtiveram 9.472 artigos de “slime rosa” após filtragem. Eles também usaram o Conjunto de Dados LIAR, que contém notícias falsas anotadas, bem como o Conjunto de Dados NELA-GT-2021, que contém apenas artigos dos EUA*.

Para preparar seus conjuntos de treinamento e teste, os autores primeiro usaram o algoritmo T-distributed Stochastic Neighbor Embedding (t-SNE) para reduzir as representações dos artigos para duas dimensões. Em seguida, aplicaram o algoritmo de agrupamento de dados Density-Based-Spatial-Clustering-of-Applications-with-Noise (DBSCAN) para isolar clusters de artigos de “slime rosa” semelhantes.

Cada cluster foi tratado como um grupo de histórias relacionadas, muitas das quais ainda seguiam o mesmo template, apesar de um esforço concertado para abordar duplicatas.

Para evitar que artigos semelhantes aparecessem em ambos os conjuntos de treinamento e teste, clusters inteiros foram selecionados aleatoriamente, com 80% usados para treinamento e 20% para teste. Como os artigos de notícias legítimas não formavam clusters claros, uma divisão aleatória foi aplicada em vez disso.

Esse processo foi repetido três vezes, para garantir a consistência e reduzir viés de amostragem.

Características do Slime Rosa

Comentando sobre os traços distintivos do “slime rosa” em comparação com as notícias regulares, os pesquisadores afirmam que os artigos de notícias locais do estilo “slime rosa” são significativamente mais curtos e simples do que a reportagem legítima, com menos de nove frases por artigo.

Uma proporção maior de frases simples e uma dependência mais pesada de adjetivos são marcas adicionais do “slime rosa”, de acordo com o papel, e indicam uma predileção por linguagem repetitiva e carregada emocionalmente.

A riqueza lexical foi medida usando a Razão de Tipo-Raiz-Tóquio (RTTR), e foi encontrada notavelmente mais baixa nos artigos de “slime rosa”, que também exibiam muito menos frases de substantivos únicos.

Esses padrões denotam um vocabulário limitado e um estilo formulaico, em contraste com as notícias locais legítimas, que são caracterizadas por padrões complexos de parte do discurso construídos em torno de verbos auxiliares, pronomes e conjunções. Em vez disso, os artigos falsos favorecem estruturas básicas de substantivo-preposição, com uso frequente de trigramas baseados em pontuação, sugerindo um estilo de escrita menos formal e mais fragmentado.

Testes

Para examinar as associações entre diferentes tipos de artigos de notícias, com base em características linguísticas e estruturais, representações foram geradas usando o modelo stella_en_400M_v5 de 435 milhões de parâmetros, e reduzidas com Análise de Componentes Principais (PCA) e t-SNE para visualização.

Quando projetados em duas dimensões, os artigos de notícias locais falsos formaram pequenos clusters densos, cada um correspondendo a tópicos estreitamente focados, como estatísticas de crime, atualizações de ações ou doações de caridade:

Padrões de cluster de uma projeção t-SNE revelam que os artigos de slime rosa formam grupos repetitivos e apertados, enquanto as notícias legítimas exibem distribuições mais amplas e variadas alinhadas com diversidade de tópico e estilo.

Como podemos ver, em parte, na visualização acima, esse padrão sugere um formato rígido e baseado em templates, com variação mínima entre artigos.

Interessantemente, artigos rotulados como “notícias falsas” divergiram do conteúdo local falso, mostrando uma distribuição mais alinhada com notícias reais, indicando que notícias locais falsas produzidas em massa podem não ser apenas menos verazes, mas também mecanicamente distintas em forma e composição.

Ao contrário, as notícias locais legítimas formam menos clusters e mais espaçados, consistentes com linguagem e assuntos mais diversos, enquanto os artigos de notícias nacionais mostram uma dispersão ainda maior, refletindo uma gama de tópicos mais ampla e uma consistência estilística mais frouxa.

Comparações de características entre notícias locais legítimas e conteúdo de slime rosa, indicando que os artigos de slime rosa são mais curtos, usam estruturas de frases mais simples, contêm mais adjetivos, exibem menor riqueza lexical, favorecem trigramas básicos de parte do discurso e contêm menos frases de substantivos únicos.

Detecção

Os pesquisadores avaliaram duas abordagens principais para detectar conteúdo de “slime rosa”: classificação, baseada em recursos linguísticos criados manualmente; e transformador-baseado ajuste fino.

Para a abordagem criada manualmente, características estruturais em vez de semânticas foram enfatizadas, usando contagem de frases; riqueza lexical; profundidade sintática; probabilidades de coocorrência de parte do discurso; probabilidades de coocorrência de tags de dependência; legibilidade; e contagem de parte do discurso.

Três modelos foram testados nesse conjunto de recursos: XGBoost; Random Forest; e Máquina de Vetor de Suporte (SVM) – com Random Forest mostrando resultados ligeiramente mais fortes no geral.

Os dois XGBoost e Random Forest atribuíram importância preditiva alta a recursos como contagem de frases e número de frases de substantivos únicas. Medidas de legibilidade e riqueza lexical também influenciaram a classificação fortemente, embora os modelos tenham ponderado esses de maneira diferente, com XGBoost favorecendo Flesch e RTTR, enquanto Random Forest se inclinou para CTTR:

Pontuações de importância de recursos baseadas em SHAP (SHapley Additive exPlanations) destacam como cada recurso de entrada influencia a saída do modelo em diferentes amostras. Nesse caso, os valores SHAP revelam que tanto XGBoost quanto Random Forest confiaram mais fortemente na contagem de frases e frases de substantivos únicas para distinguir slime rosa de notícias reais, enquanto atribuíam pesos variados a medidas de riqueza lexical e legibilidade.

Como podemos ver nas comparações de características anteriores (acima), os artigos de “slime rosa” favorecem o sensacionalismo sobre o detalhe, com uma riqueza lexical mais baixa e com menos frases de substantivos distintas – reforçando a conclusão de que esse tipo de conteúdo é altamente templateado e repetitivo.

Padrões de trigramas de parte do discurso confirmam que as notícias locais legítimas tendem a usar formas mais complexas estruturalmente, envolvendo auxiliares, pronomes e conjunções, enquanto o “slime rosa” favorece a sintaxe fragmentada ou minimalista. Esses padrões sugerem uma base confiável para distinguir conteúdo sintético local de jornalismo real.

Uma segunda rodada de testes envolveu o ajuste fino de modelos transformadores em texto de artigo completo, para capturar tanto o conteúdo semântico quanto a estrutura sintática.

BERT, XLNet e Flan-T5 foram testados, com BERT alcançando a pontuação F1 mais alta em 89,31% – embora o papel observe que as diferenças de desempenho não foram estatisticamente significativas. Ao contrário dos classificadores criados manualmente, esses modelos atualizam todos os pesos durante o treinamento, permitindo que eles aprendam representações específicas da tarefa diretamente a partir dos dados.

Um método baseado em representações adicionais usou um classificador totalmente conectado downstream que performou melhor do que os modelos criados manualmente, mas não igualou a precisão do ajuste fino completo.

Essas abordagens se beneficiaram de um contexto linguístico mais amplo – vantajoso, considerando que os artigos de “slime rosa” frequentemente reciclam conteúdo entre veículos. Recursos criados manualmente, por contraste, dependem apenas da sintaxe de superfície, limitando sua capacidade de generalizar entre fontes.

Impulsionando o Slime Rosa com LLMs

Para testar se os artigos de “slime rosa” poderiam ser tornados mais difíceis de detectar, os pesquisadores reescreveram-nos usando grandes modelos de linguagem. Prompts foram projetados para melhorar o estilo de escrita, expandindo o conteúdo, adicionando complexidade de frases, reduzindo o excesso de adjetivos, impondo um tom neutro, usando vocabulário mais variado e aumentando o número de frases de substantivos únicas, com o objetivo de ocultar os traços de superfície que a maioria dos sistemas de detecção depende.

Os modelos testados foram Gemma-2B; Mistral-7B; Llama-1B; Llama-3B; Llama-8B; Qwen-7B; GPT-4o mini; e Claude-3.5-Haiku.

Desempenho de detecção (F1) de um classificador BERT ajustado finamente quando os artigos de slime rosa são reescritos por diferentes LLMs. Pontuações mais baixas indicam ocultação mais bem-sucedida.

Dos resultados, os autores comentam:

‘[Entre] os modelos de código aberto, Qwen foi o mais eficaz em evadir a detecção: quando testado contra um classificador BERT ajustado finamente (pontuação F1 de base: 89%), ele levou a uma queda de 28,34% no desempenho de detecção.

‘Os modelos de código fechado foram significativamente mais potentes, com GPT-4o-mini e Claude-3.5-Haiku reduzindo a pontuação F1 em uma média de 40%, destacando o desafio imposto pela ocultação de alta qualidade gerada por LLMs.’

Esses resultados, os autores argumentam, mostram como os LLMs podem disfarçar o conteúdo de “slime rosa”, tornando-o muito mais difícil para as ferramentas atuais detectarem**.

Conclusão

Opinião Essa linha de pesquisa contém algumas questões interessantes, não a menos delas é que tantas pessoas (de acordo com pelo menos uma pesquisa mencionada anteriormente) apoiem o conteúdo de “slime rosa”, sabendo o que é, que isso traz o contexto pejorativo em questão. É como se as pessoas soubessem que ‘Soylent Green é gente’, mas elas dão de ombros e continuam comendo; ou assim pode parecer, de uma perspectiva liberal.

Essa indiferença pública às notícias algorítmicas pode evoluir e até retroceder – mas, por enquanto, parece estar se aprofundando.

Outra coisa que me chamou a atenção, lendo o papel, foi a maneira como a prosa mais simples e o reductionismo da saída de “slime rosa” foram tratados como uma falha com uma solução tecnológica possível, quando o minimalismo, o emocionalismo e o vocabulário limitado são, de fato, intencionais.

Se os vários grupos de interesse por trás do “slime rosa” quiserem estender seu alcance para uma audiência mais intelectual ou liberal (embora isso talvez não seja o seu ponto forte), parece mais provável que eles montem acampamento perto de seu público-alvo, em vez de mudar um estilo de linguagem e um tom que já parecem estar alcançando seus objetivos, em plataformas existentes.

* Devido a algum formato infeliz no papel, a fonte adicional de artigos de notícias locais não tem uma atribuição clara. Por favor, consulte o papel de origem e adivinhe qual das referências ‘Horne’ se aplica.

** Aqui nos referimos ao leitor para o papel de origem para detalhes dos experimentos secundários e suplementares que fecham a seção de resultados do novo papel.

Publicado pela primeira vez na sexta-feira, 12 de dezembro de 2025