Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — FGV 2024

Engenharia de SoftwareInteligencia Artificial
Código
fg096768
Banca
FGV
Órgão
TCE-PA
Ano
2024
Nível
Superior
Cargo
Auditor de Controle Externo - Área Administrativa - Ciência de Dados
Alguns dos primeiros modelos de linguagem de larga escala desenvolvidos tendiam a gerar resultados incorretos com excesso de confiança, caracterizando o que se convencionou chamar de alucinações dos modelos. Uma estratégia de mitigação das alucinações é o uso da técnica de Geração Aumentada por Recuperação, ou Retrieval-Augmented Generation (RAG).A respeito da RAG, avalie as afirmativas a seguir.I. Baseia-se na combinação de sistemas de recuperação de informações e de modelos generativos capazes de produzir novos textos.II. Permite aos modelos buscarem informações relevantes em bases de dados mais confiáveis durante o processamento das consultas dos usuários (user queries), viabilizando melhor adequação a contextos e melhor qualidade das respostas.III. Não altera os parâmetros dos modelos generativos, e, portanto, não influencia o treinamento das redes neurais com informações recuperadas de bases de dados externas.Está correto o que se afirma em
  1. AI, apenas.
  2. BII, apenas.
  3. CIII, apenas.
  4. DI e II, apenas.
  5. EI, II e III.
Revelar gabarito e comentário

GabaritoD — I e II, apenas.

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”.

Retrieval-Augmented Generation (RAG)

Gabarito: letra D — apenas as afirmativas I e II estão corretas. A RAG é uma técnica que combina sistemas de recuperação de informação com modelos generativos (I) e permite acesso a bases confiáveis durante a consulta, melhorando a adequação ao contexto e a qualidade das respostas (II). A afirmativa III é incorreta, pois, embora a RAG tipicamente não altere os parâmetros do modelo generativo, ela influencia diretamente a geração ao fornecer contexto externo; além disso, existem variantes que envolvem treinamento conjunto.

Afirmativa

Descrição

Correta?

Justificativa

I

Combina sistemas de recuperação de informações e modelos generativos para produzir novos textos.

✅ Sim

Definição central da técnica RAG.

II

Permite buscar informações relevantes em bases confiáveis durante consultas, melhorando contexto e qualidade das respostas.

✅ Sim

Acesso a dados externos durante a inferência, aumentando precisão e atualidade.

III

Não altera parâmetros do modelo generativo e, portanto, não influencia o treinamento das redes neurais com informações recuperadas.

❌ Não

Embora comum sem retreinamento, a RAG pode ser usada em fine-tuning e, mesmo na inferência, influencia a saída; a afirmação é imprecisa.

Item I — ✅ Correta

A definição de RAG envolve a combinação de um sistema de recuperação (retrieval) com um modelo generativo (generation), conforme descrito no conceito da técnica. O sistema busca informações relevantes em bases externas e as integra ao prompt do modelo para gerar respostas mais precisas.

Item II — ✅ Correta

A RAG permite que o modelo acesse dados externos confiáveis durante o processamento, melhorando a contextualização e a qualidade das respostas, especialmente para perguntas que exigem conhecimento atualizado ou específico.

Item III — ❌ Incorreta

A afirmação de que a RAG "não altera os parâmetros dos modelos generativos e, portanto, não influencia o treinamento" é equivocada. Na prática, a RAG pode ser implementada sem alteração de parâmetros durante a inferência, mas a técnica pode ser empregada em processos de fine-tuning, alterando os pesos do modelo. Além disso, mesmo na inferência, a informação recuperada influencia a saída, o que contraria a ideia de "não influencia o treinamento". O correto é que a RAG complementa o modelo sem necessariamente retreinar, mas isso não a isenta de influenciar o comportamento do sistema.

Conclusão: Corretas apenas I e II → gabarito letra D.

Link permanente: /questoes/fg096768