Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — FGV 2024

Engenharia de SoftwareInteligencia Artificial
Código
fg086810
Banca
FGV
Órgão
MF
Ano
2024
Nível
Superior
Cargo
Auditor Federal de Finanças e Controle - Área de Tecnologia da Informação (Transformação Digital) - manhã
No contexto do Processamento de Linguagem Natural, a geração aumentada de recuperação (ou RAG, do inglês RetrievalAugmented Generation) é uma técnica que visa a melhorar a acurácia e a confiabilidade de modelos de IA Generativa.O objetivo principal dessa técnica é
  1. Afacilitar a interação entre modelos de IA generativa e interfaces de usuário, melhorando a experiência do usuário ao gerar respostas mais interativas.
  2. Bdiminuir o volume de dados necessário para o treinamento de modelos de IA concentrando-se exclusivamente em dados de alta qualidade.
  3. Caumentar a capacidade dos modelos de IA generativa de produzir conteúdo visual, como imagens e vídeos, a partir de descrições textuais.
  4. Dintegrar técnicas de aprendizado por reforço para permitir que modelos de IA generativa aprendam com seus próprios erros e sucessos durante a geração de texto.
  5. Eenriquecer os modelos de IA generativa com informações obtidas de bases de dados externas no momento da geração, elevando a precisão e a riqueza dos textos gerados.
Revelar gabarito e comentário

GabaritoE — enriquecer os modelos de IA generativa com informações obtidas de bases de dados externas no momento da geração, elevando a precisão e a riqueza dos textos gerados.

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”.

RAG (Retrieval-Augmented Generation)

Gabarito: letra E. O objetivo principal do RAG é enriquecer modelos generativos com informações recuperadas de bases externas no momento da geração, aumentando precisão e riqueza textual — conceito central da técnica.

A banca testa o conhecimento sobre a definição de RAG, diferenciando-a de outras abordagens como aprendizado por reforço, geração multimodal ou otimização de dados de treino.

Alternativa A — ❌ Incorreta

Trata de interação com interfaces de usuário, o que não é o foco do RAG. RAG não modifica a interface, mas a fonte de conhecimento usada na geração.

Alternativa B — ❌ Incorreta

Descreve redução do volume de dados de treino, algo que o RAG não faz. RAG opera na inferência, não no treinamento; não reduz nem seleciona dados de treino.

Alternativa C — ❌ Incorreta

Refere-se à geração de conteúdo visual (imagens/vídeos), que é tarefa de modelos multimodais, não especificamente de RAG. RAG foca em texto e conhecimento factual recuperado.

Alternativa D — ❌ Incorreta

Confunde RAG com aprendizado por reforço (RLHF), que ajusta o modelo com base em feedback humano. RAG não usa reforço; usa recuperação de documentos.

Alternativa E — ✅ Correta ⟵ GABARITO

Exata definição: RAG combina um componente de recuperação (busca em base externa) com um modelo generativo, fornecendo contexto relevante no momento da geração para melhorar acurácia e informatividade.

NÃO CAIA NESSA!

A banca troca conceitos: cada alternativa errada descreve uma técnica diferente (multimodal, RLHF, redução de dados) como se fosse RAG. O aluno deve lembrar que RAG = recuperação + geração. Ao ler a alternativa E, o termo "informações obtidas de bases de dados externas no momento da geração" é a chave.

Gabarito: letra E — único objetivo que corresponde à essência do RAG.

Link permanente: /questoes/fg086810