Slop é basicamente conteúdo que maximiza a relação recompensa-perplexidade. Mecanicamente, isso é hacking de recompensas por meio do colapso da distribuição de saída em uma bacia com alguns padrões ótimos de Pareto, basicamente construindo uma gramática degenerada específica para esse sistema de treinamento.

Isso também explica a semelhança impressionante entre o inglês indiano de baixa qualidade e as saídas do LLM, aliás