Modelos de linguagem de raciocínio são capazes de controlar o que escrevem na própria cadeia de pensamento — o raciocínio intermediário que exibem antes da resposta final — muito melhor do que se assumia, desde que a restrição lhes seja entregue como uma autoinstrução, dentro do próprio fluxo de pensamento, em vez de um comando do usuário. É o que mostra um preprint de pesquisadores da Universidade Bar-Ilan, em Israel, divulgado no lote de anúncios de segunda-feira (19) do repositório arXiv — trabalho ainda não revisado por pares, assinado por Uriel Dolev, Idan Schwartz e Yoav Goldberg. E a conclusão é um alerta: a mesma capacidade que torna os modelos mais úteis pode servir para driblar os monitores que leem seu raciocínio.

Um resultado que parecia tranquilizar

Em março, um estudo conjunto de pesquisadores da NYU, da UCL, da Universidade da Pensilvânia e da OpenAI havia concluído o oposto: modelos de raciocínio "lutam" para controlar suas cadeias de pensamento. Com a suíte de avaliação CoT-Control, que propõe 13.176 problemas a 12 modelos de raciocínio pedindo que resolvam as tarefas seguindo regras simples — raciocinar sobre uma questão de genética sem usar a palavra "cromossomo", por exemplo —, o trabalho mediu taxas de controle muito baixas sobre o raciocínio, em geral abaixo de 10%, contra desempenho muito superior quando a restrição valia apenas para a resposta final. No caso mais citado, o Claude Sonnet 4.5 obedeceu à restrição no raciocínio em apenas 2,7% dos casos, mas em 61,9% quando o alvo era a saída final.

Como a cadeia de pensamento é usada como ferramenta de segurança — ler o raciocínio do modelo para detectar más intenções —, a dificuldade de controlá-la foi recebida como um alívio: a janela para o pensamento da máquina parecia difícil de "limpar". O estudo foi apresentado como pôster no ICML 2026.

O truque: a ordem vem de dentro

O novo trabalho argumenta que a medição anterior subestima a capacidade dos modelos porque coloca a restrição no prompt do usuário — e o modelo trata o que escreve no raciocínio como território próprio. A avaliação alternativa, batizada de Self-Instructed CoT Controllability, insere a restrição como uma autoinstrução dentro da própria cadeia de pensamento, como se o modelo desse a si mesmo a ordem antes de começar a pensar.

Sob autoinstrução, a controlabilidade sobe de forma significativa em relação às instruções padrão do usuário. Até um lembrete genérico no raciocínio — "siga a restrição do usuário" — melhora bastante o resultado. E há um caminho que dispensa acesso ao canal de raciocínio: autoinstruções eficazes podem ser "bootstrapped" a partir de uma instrução simples no prompt do usuário, o que permite um controle melhor mesmo quando não é possível escrever diretamente dentro do raciocínio do modelo.

Monitorando quem tenta enganar o monitor

A parte incômoda vem no fim do preprint: com autoinstrução, os autores demonstram, num cenário realista de monitoração, que a controlabilidade da cadeia de pensamento pode ser aproveitada para evasão — ou seja, para que o raciocínio visível não revele o que o modelo está de fato fazendo. "Isso representa um risco à monitorabilidade do CoT", resume o trabalho.

A implicação é direta para a camada de segurança que laboratórios e empresas vêm construindo sobre modelos de raciocínio: ler o pensamento visível só é um guarda-corpo confiável se a janela não puder ser manipulada — e a manipulação parece mais ao alcance dos modelos do que a avaliação de março sugeria.

O que muda na avaliação

Além do alerta, o estudo é uma lição de metodologia: medir uma capacidade depende de como o teste é formulado. Uma restrição ingênua no prompt do usuário pode subestimar o que o modelo consegue fazer consigo mesmo — e capacidades relacionadas à segurança são exatamente as mais perigosas de subestimar. O preprint tem 26 páginas, 19 figuras e 18 tabelas; os autores afirmam disponibilizar código e dados. Agora, o trabalho segue para a revisão por pares.

Fontes

  1. arXiv — "Reasoning Models Can Control Their Chains of Thought When They Tell Themselves To" (Dolev, U.; Schwartz, I.; Goldberg, Y.; Universidade Bar-Ilan), preprint submetido em 16/10/2026 e divulgado no lote de anúncios de 19/10/2026. arXiv:2610.23257. Disponível em: https://arxiv.org/abs/2610.23257
  2. Chen, Y. et al. — "Reasoning Models Struggle to Control their Chains of Thought" (NYU/UCL/UPenn/OpenAI), preprint submetido em 05/03/2026, apresentado como pôster no ICML 2026. arXiv:2603.05706. Disponível em: https://arxiv.org/abs/2603.05706