Resposta correta
- BImplementar a geração aumentada por recuperação (RAG) para fundamentar o modelo nos documentos originais e exigir citações.
Explicação
A Geração Aumentada por Recuperação (RAG) é a mitigação mais direta e eficaz para a alucinação na sumarización de documentos porque força o LLM a basear sua saída em trechos recuperados do documento original. Ao exigir citações, o modelo deve fazer referência a passagens específicas, tornando-o verificável e reduzindo a probabilidade de fabricar conteúdo. Isso fundamenta a geração no material de origem, abordando a causa raiz da alucinação — a falta de fundamentação fática — em vez de depender de correção posterior ou ajuste de saída.
Para se aprofundar
O RAG funciona incorporando os documentos de origem em um banco de dados vetorial; em seguida, no momento da inferência, recupera os principais trechos mais relevantes por meio de busca por similaridade de cosseno (por exemplo, usando o FAISS) e os insere no início do prompt do LLM como contexto. Isso restringe efetivamente o espaço de saída do modelo às informações presentes nos trechos recuperados, e exigir citações (por exemplo, 'De acordo com a seção 3.2...') permite que revisores humanos verifiquem a fidelidade. Na prática, mesmo com o RAG, ainda podem ocorrer alucinações se a etapa de recuperação falhar em retornar trechos relevantes ou se o LLM ignorar o contexto fornecido, portanto, o tamanho do trecho e a sobreposição devem ser ajustados com cuidado.
Sobre estas questões de prática
Esta é uma das questões de prática originais de Generative AI Leader da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.