Grandes modelos de linguagem têm posicionamento próprio? Explorando a influência das redes sociais na emissão de posicionamentos de LLMs

• Gabriel Augusto Borges UFU
• Fabíola S. F. Pereira UFU

DOI: https://doi.org/10.5753/brasnam.2026.23524

Resumo

Este trabalho investiga a capacidade de grandes modelos de linguagem (LLMs) emitirem posicionamentos e o impacto da incorporação de conteúdo de redes sociais nesse processo. A abordagem compara respostas geradas com e sem o uso de Retrieval-Augmented Generation (RAG), além de explorar o uso de personas para simular diferentes perfis. Os resultados, obtidos por meio de estudos de caso qualitativos, indicam que, sem RAG, os modelos tendem à neutralidade, enquanto a incorporação de conteúdo de redes sociais induz posicionamentos mais explícitos e, em alguns casos, altera o próprio direcionamento da opinião. Como conclusão, tem-se que o contexto exerce influência significativa na geração de posicionamentos por LLMs.

Referências

Bender, E. M., Gebru, T., McMillan-Major, A., and Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT).

Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., et al. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems (NeurIPS), 33.

Cavalheiro, L. C. L. and Paraboni, I. (2026). A survey of social media stance detection using non-textual features. Journal of the Brazilian Computer Society, 32(1):527–538.

Fröhling, L., Demartini, G., and Assenmacher, D. (2025). Personas with attitudes: Controlling LLMs for diverse data annotation. In Calabrese, A., de Kock, C., Nozza, D., Plaza-del Arco, F. M., Talat, Z., and Vargas, F., editors, Proceedings of the The 9th Workshop on Online Abuse and Harms (WOAH), pages 468–481, Vienna, Austria. Association for Computational Linguistics.

Kale, S. and Nadadur, V. (2025). Line of duty: Evaluating LLM self-knowledge via consistency in feasibility boundaries. In Cao, T., Das, A., Kumarage, T., Wan, Y., Krishna, S., Mehrabi, N., Dhamala, J., Ramakrishna, A., Galystan, A., Kumar, A., Gupta, R., and Chang, K.-W., editors, Proceedings of the 5th Workshop on Trustworthy NLP (TrustNLP 2025), pages 127–140, Albuquerque, New Mexico. Association for Computational Linguistics.

Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W.-t., Rocktäschel, T., and Riedel, S. (2020). Retrieval-augmented generation for knowledge-intensive nlp tasks. Advances in Neural Information Processing Systems (NeurIPS), 33.

Li, Y., Garg, K., and Caragea, C. (2023). A new direction in stance detection: Target-stance extraction in the wild. In Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 10071–10085, Toronto, Canada. Association for Computational Linguistics.

Ng, L. H. X. and Carley, K. M. (2023). Pro or anti? a social influence model of online stance flipping. IEEE Transactions on Network Science and Engineering, 10(1):3–19.

Ouyang, L., Wu, J., Jiang, X., Almeida, D., Wainwright, C., Mishkin, P., Zhang, C., Agarwal, S., Slama, K., Ray, A., et al. (2022). Training language models to follow instructions with human feedback. Advances in Neural Information Processing Systems (NeurIPS), 35.

Pal, D. and Traum, D. (2025). Beyond simple personas: Evaluating LLMs and relevance models for character-consistent dialogue. In Béchet, F., Lefèvre, F., Asher, N., Kim, S., and Merlin, T., editors, Proceedings of the 26th Annual Meeting of the Special Interest Group on Discourse and Dialogue, pages 383–396, Avignon, France. Association for Computational Linguistics.

Real, L., Vianna, D., Carvalho, A. L., and da Silva, A. (2025). Llms não são garantido - avaliando llms: Métricas, benchmarks, técnicas automáticas e considerações Éticas. In Anais Estendidos do XL Simpósio Brasileiro de Bancos de Dados, pages 203–207, Porto Alegre, RS, Brasil. SBC.

Santos, L., Santos, V., Araujo, R., and Oliveira, I. (2025). Anotação de dados para a mineração de argumentos em conteúdos de redes sociais em português brasileiro. In Anais do XIV Brazilian Workshop on Social Network Analysis and Mining, pages 65–78, Porto Alegre, RS, Brasil. SBC.