Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — FGV 2025

Engenharia de SoftwareInteligencia Artificial
Código
fg116122
Banca
FGV
Órgão
MPU
Ano
2025
Nível
Superior
Cargo
Analista do - Perito em Tecnologia da Informação e Comunicação
O analista Jonas está desenvolvendo um Large Language Model (LLM) para ser utilizado nas soluções de inteligência artificial do MPU. Para isso, Jonas utilizou o modelo pré-treinado BERTimbau, mas observou que as respostas eram genéricas e não específicas para o domínio.Para treinar um modelo pré-treinado adaptando-o às tarefas e aos conjuntos de dados específicos do domínio do MPU, Jonas deve realizar um(a):
  1. Aoverfitting;
  2. Bregression;
  3. Cdiscretization;
  4. Dmodel fine-tuning;
  5. Efeature engineering.
Revelar gabarito e comentário

GabaritoD — model fine-tuning;

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”.

Large Language Models – Fine-tuning

Gabarito: letra D. Para adaptar um modelo pré-treinado (como o BERTimbau) a tarefas e domínios específicos, a técnica correta é o fine-tuning (ajuste fino), que consiste em continuar o treinamento do modelo com dados do domínio alvo, preservando o conhecimento geral e especializando-o.

Alternativa A – ❌ Incorreta

Overfitting é um problema onde o modelo decora os dados de treino e não generaliza. Não é uma técnica para adaptar o modelo, e sim um erro a ser evitado.

Alternativa B – ❌ Incorreta

Regression é um tipo de tarefa de aprendizado supervisionado (prever valores contínuos). Não se aplica ao ajuste de um LLM pré-treinado.

Alternativa C – ❌ Incorreta

Discretization é uma técnica de pré-processamento de dados (transformar variáveis contínuas em categóricas). Não é usada para adaptar modelos de linguagem.

Alternativa D – ✅ Correta ⟵ GABARITO

Fine-tuning é o processo de pegar um modelo pré-treinado e treiná-lo adicionalmente em um conjunto de dados específico, ajustando seus pesos para se especializar em tarefas do domínio desejado. É a abordagem padrão para transferência de aprendizado em PLN.

Alternativa E – ❌ Incorreta

Feature engineering é a criação manual de atributos a partir dos dados. Em LLMs, as representações (embeddings) são aprendidas automaticamente; feature engineering não é a técnica de adaptação do modelo.

Gabarito: letra D.

Link permanente: /questoes/fg116122