Yu (2026): nenhuma das 58 fontes revisadas satisfaz o critério que mostraria que melhorar o raciocínio custa confiabilidade factual, e o erro precisa ser localizado, não só contado
YU, Zhe; LI, Mohan; YU, Lei; CHOW, Ka-Ho; QIN, Chengwei; WU, Xingyu; XING, Wenpeng; XIONG, Shuguang; HAN, Meng. Hallucination across the reasoning lifecycle: interface visibility, causal evidence, and release control in large reasoning models. arXiv, 2026. Depósito arXiv:2610.05472 [cs.AI], versão 1, de 4 out. 2026. Manuscrito preparado para submissão à ACM Computing Surveys. DOI: 10.48550/arXiv.2610.05472.
O texto é um levantamento, declarado como manuscrito não publicado, que sintetiza 312 trabalhos e relatórios disponíveis até 30 de agosto de 2026, reunidos por buscas no OpenAlex e no arXiv e por rastreamento de citações, numa coleção que os autores descrevem como curada e não como censo (p. 6). Propõem o registro diagnóstico UIPCA, de cinco campos: premissa sem suporte (U), inferência inválida (I), reuso dependente (P), consistência entre a resposta e o traço visível (C) e falha da política de ação (A), com marca própria para o que a interface não permite verificar (pp. 4, 8). Dois membros do laboratório anotaram, cada um sem conhecer os rótulos do outro, 48 casos de traço completo, com 334 passos. O κ de Cohen anterior à adjudicação foi de 0,653 para U, 0,730 para I e 0,858 para P, e a concordância sobre C foi completa, embora com apenas quatro casos positivos (p. 11). Para saber se melhorar o raciocínio custa confiabilidade factual, definem um critério prospectivo de efeito adverso conjunto pareado (pp. 7-8) e o aplicam a 34 fontes do corpus e a 24 externas: nenhuma o satisfaz (p. 11). A conclusão é delimitada. Diferenças entre pipelines e traços danosos estão documentados, mas a ausência de positivo estrito é achado de desenho e de relato, não resultado nulo do campo (p. 12). Os autores observam ainda que a concordância entre um juiz de linguagem e o modelo que gerou o texto pode refletir erro compartilhado, e não confirmação independente (p. 21).
O vocabulário do trabalho interessa à minha pesquisa sobre verificação de citação e alucinação de citação. A leitura é minha, e os autores não tratam de direito: a premissa inexistente corresponderia a U, o silogismo inválido a I e o reaproveitamento do precedente inventado em tópicos seguintes da peça a P, distinção que a pontuação só da resposta final não faz. Essa pontuação, dizem eles, esconde o caminho (p. 20), o que dialoga com a tese de que acurácia agregada não implica idoneidade decisória. Também me serve a métrica de liberação por cobertura e risco seletivo, ilustrada com 6.000 respostas liberadas em 10.000, 30 erradas, risco de 0,5% e cobertura de 60% (pp. 21-22). Se localizar o erro melhora o reparo mais que um alerta global, os próprios autores deixam como pergunta aberta (p. 23). Os limites são claros. A literatura jurídica comparece apenas de passagem: Dahl et al., sobre alucinação jurídica, entram numa lista de referências sobre tipos de evidência (p. 3), e o HALLMARK, sobre verificadores de citação, é mencionado pelos falsos positivos (p. 21). O registro depende da segmentação e do grafo de dependências escolhidos, e a concordância não valida esse grafo (p. 11). Todos os rótulos A ficaram indeterminados por falta de política de ação (p. 11), e os suplementares S1 a S7, que reúnem o corpus e o manual de codificação, ficam em arquivos auxiliares fora do corpo do texto (pp. 5, 8).
Texto integral: arXiv:2610.05472, na página do arXiv
Nota escrita a partir da leitura integral do trabalho, com assistência de modelo de linguagem na redação e revisão do autor.