Porque é que o ChatGPT usa tantos travessões?

Os modelos treinam com texto que alguém editou: livros, imprensa, relatórios, ensaios. Tudo passou por um editor ou pelo menos por um guia de estilo, e os guias americanos exigem o travessão para apartes há gerações. Um modelo que imita a média do seu corpus imita prosa editada — e a prosa editada é rica em travessões.

O contrapeso que existe na edição real não sobrevive da mesma forma. Ninguém edita um texto publicado para dizer «menos travessões aqui», porque é um juízo sobre o documento inteiro. O corpus contém os travessões; não contém a reação contra eles.

O travessão é o sinal mais flexível do inglês. Substitui uma vírgula, dois-pontos, um ponto e vírgula ou um par de parênteses sem mudar uma palavra à volta, e acerta nas quatro sem falhar a gramática. Para um sistema que escolhe o token seguinte maximizando a fluência local, é exatamente o que precisa: chegar ao travessão é quase sempre correto; chegar ao ponto e vírgula, nem sempre.

Na maioria dos tokenizadores modernos o travessão é um único token, e o espaço em volta também. Escrever «o plano — arriscado como era — funcionou» custa menos tokens do que a mesma frase com parênteses ou com ponto e vírgula e conjunção. O efeito é pequeno e não é uma escolha consciente, mas aponta na mesma direção que tudo o resto: o caminho barato para uma frase fluente passa pelo travessão.

Os modelos são moldados por dados de preferência humana: avaliadores comparavam respostas e escolhiam a preferida. Texto com travessões lê-se mais seguro e mais imediato do que texto com apartes entre vírgulas, e os avaliadores premiaram esse registo. Isto é inferência, não um facto publicado — mas explica um padrão observável: peça um resumo neutro e recebe a mesma pontuação dramática.

Todos os modelos de uso geral fazem o mesmo. O Claude é o mais citado, o vício do travessão sendo uma das suas queixas mais frequentes, e o Gemini e o Copilot mostram o padrão em menor grau. É o esperado se a causa são treino e descodificação partilhados — e é.

As contagens são estimativas por amostragem repetida, não números dos fabricantes — o valor exato depende do género, do comprimento e dos parâmetros de amostragem. Fique com a ordem, não com os algarismos.

Empilhe as soluções, porque falham a ritmos diferentes. Uma instrução no prompt é quase sempre obedecida e esquecida em conversas longas, ou assim que pede «mais empolgante». As instruções personalizadas persistem mas não reescrevem de todo o registo por omissão. O pós-processamento é o único passo sem ponto de falha, porque não depende do modelo.

1. Peça a restrição no prompt: «sem travessões (—), sem meias-riscas (–), sem hífens duplos digitados (--).»
2. Fixe-a nas instruções personalizadas ou nas preferências, para não repetir.
3. Elimine os caracteres mecanicamente do rascunho final com o removedor de travessões para IA, que também apanha -- e ---.