Questão de Engenharia de Software — Geral — CESPE / CEBRASPE 2025
Engenharia de Software›Geral
Código
ce217105
Banca
CESPE / CEBRASPE
Órgão
TJ-PA
Ano
2025
Nível
Superior
Cargo
Analista Judiciário - Especialidade: Análise de Sistemas
A respeito da proteção de dados pessoais no Brasil, dos grandes modelos de linguagem (LLMs) e do uso de redes neurais no setor jurídico, julgue o item que se segue.Modelos transformer superam, devido ao mecanismo de autoatenção, as redes neurais recorrentes tradicionais na captura de dependências de longo alcance em documentos jurídicos extensos, sendo esta a principal razão para a adoção dos transformers em tarefas como sumarização e busca semântica no campo jurídico.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Transformers vs. Redes Neurais Recorrentes (RNNs)
Gabarito: ✅ CERTO. A afirmação está correta. Comparadas às redes neurais recorrentes tradicionais (RNNs, LSTMs, GRUs), os modelos transformer realmente capturam dependências de longo alcance de forma mais eficaz graças ao mecanismo de autoatenção (self-attention). Essa é a principal razão pela qual transformers se tornaram dominantes em tarefas de PLN como sumarização e busca semântica, inclusive em domínios jurídicos.
Por que os transformers superam as RNNs?
Problema das RNNs: sofrem com o desaparecimento/explosão do gradiente, o que limita a captura de dependências muito distantes no texto. Mesmo com LSTMs/GRUs, o desempenho degrada para sequências longas.
Mecanismo de autoatenção: permite que o modelo pondere a relevância de todas as palavras da sequência simultaneamente, não importa a distância. Isso dá acesso direto a tokens distantes, resolvendo a limitação de memória das RNNs.
Processamento paralelo: transformers processam a sequência inteira em paralelo, enquanto RNNs são sequenciais (passo a passo), o que acelera o treinamento.
Aplicação em documentos jurídicos
Documentos jurídicos são tipicamente extensos e repletos de referências cruzadas. A capacidade de manter contexto global é crucial para sumarização (extrair pontos-chave) e busca semântica (encontrar passagens relevantes). Os transformers, como BERT e GPT, são a arquitetura padrão para essas tarefas.
1RNNs: gradiente desaparece
2Limita dependências longas
3Autoatenção: pondera todas as palavras
4Acesso direto a tokens distantes
5Processamento paralelo
LEVEL · soulevel.com.br
PEGA ESSA DICA!
Em provas de concurso sobre IA/NLP, lembre-se: a palavra-chave que diferencia transformers de RNNs é autoatenção. Enquanto RNNs processam a sequência de forma linear e têm memória limitada, transformers enxergam toda a sequência de uma vez, ponderando as relações.