Alternativa correta: E — um modelo de linguagem de larga escala, especializado em processamento e compreensão de linguagem natural.

Tema central: reconhecer que a proposta descreve um Modelo de Linguagem de Larga Escala (LLM), capaz de entender textos extensos, resumir e classificar informações jurídicas — tarefas típicas de Processamento de Linguagem Natural (PLN).

Resumo teórico: LLMs são redes neurais treinadas com enormes corpora de texto para realizar compreensão e geração de linguagem (NLU/NLG). Eles executam: interpretação contextual, sumarização, classificação temática e extração de entidades. Diferem de sistemas rule-based (regras fixas) e de classificadores binários por lidarem com linguagem de forma probabilística e contextual. Um agente de IA pode usar um LLM, mas envolve orquestração de ações, ferramentas e metas (planejamento), o que não foi requerido no cenário.

Fontes de referência: Russell & Norvig, Artificial Intelligence: A Modern Approach; NIST AI Risk Management Framework 1.0 (2023); Bommasani et al., “On the Opportunities and Risks of Foundation Models” (Stanford, 2021); ISO/IEC 22989:2022 (conceitos de IA).

Por que a E é a certa? O enunciado pede um modelo de linguagem de larga escala para interpretar textos extensos, gerar resumos e classificar dados — exatamente as capacidades de um LLM aplicado a PLN. Não há menção a execução de ações externas, apenas apoio à decisão por meio de compreensão e geração de texto.

Análise das incorretas:

A — Descreve um agente de IA com ênfase em execução de comandos e respostas interativas. O caso trata de modelo para compreensão/sumarização, não de orquestração de tarefas ou uso de ferramentas.

B — Sistema rule-based com extração padronizada e pouca contextualização. Contradiz a necessidade de interpretação semântica e síntese em textos longos, que exigem capacidade generativa e contextual de LLMs.

C — Chama de “IA generativa” (parcialmente correto), mas traz a expressão “ausência de geração autônoma de novos dados”, incoerente: LLMs geram novo texto (conteúdo) a partir de padrões aprendidos. Além disso, o foco não é só síntese; inclui classificação.

D — Classificação binária com regras parametrizadas. O cenário requer múltiplas tarefas (resumo, interpretação, classificação), não apenas uma decisão binária baseada em regras.

Estratégias para a prova:

- Substitua mentalmente palavras-chave: “modelo de linguagem”, “resumo”, “classificação” → remete a LLM/PLN.

- Desconfie de termos que restrinjam a capacidade contextual (“regras fixas”, “binária”).

- Diferencie modelo de agente: o primeiro entende/gera texto; o segundo planeja/age com ferramentas.

- Cuidado com enunciados que negam a “geração” em soluções claramente generativas.

Gostou do comentário? Deixe sua avaliação aqui embaixo!

difícil

A alternativa correta é a E.

A proposta descreve o uso de um Modelo de Linguagem de Larga Escala (LLM - Large Language Model) que é:

• Capaz de interpretar textos jurídicos extensos: Isso se encaixa no Processamento e Compreensão de Linguagem Natural (NLP/NLU).

• Gerar resumos automáticos: Uma função central dos LLMs e da IA Generativa (mas o foco principal é na especialidade em linguagem).

• Classificar informações: Uma tarefa de NLP.

A alternativa E captura a essência da tecnologia descrita e seu domínio de aplicação:

E) um modelo de linguagem de larga escala, especializado em processamento e compreensão de linguagem natural.

As outras alternativas estão incorretas ou incompletas:

• A) um agente de IA voltado à mediação de tarefas cognitivas, com ênfase em respostas interativas e execução de comandos baseados em linguagem natural. Embora um LLM possa ser a base de um agente de IA, a descrição do problema foca nas capacidades de interpretação, resumo e classificação de documentos extensos, e não primariamente na interação e execução de comandos (como em um chatbot ou assistente virtual).

• B) um sistema baseado em regras fixas... com capacidade contextual de interpretação ou síntese textual limitada. Isso descreve um sistema de IA mais antigo e limitado, não um LLM, que é conhecido justamente por sua alta capacidade de interpretação contextual e síntese (resumo).

• C) um sistema de IA generativa treinado para sintetizar textos a partir de conteúdos jurídicos, com foco em apoio à tomada de decisão e ausência de geração autônoma de novos dados. LLMs são a forma mais comum de IA Generativa, e geração autônoma de novos dados é o que o resumo automático representa (uma nova síntese de dados existentes). Além disso, a proposta inclui interpretar e classificar, não apenas sintetizar.

• D) uma arquitetura de lA especializada em rotinas de classificação binária... A classificação binária (sim/não) é apenas uma das funções descritas. A proposta abrange interpretação, resumo e classificação, sendo o LLM uma tecnologia muito mais ampla do que uma arquitetura para classificação binária.

questão muito boa !

(LLMs = Large Language Models)

modelos de linguagem de longa escala

– entender e gerar textos coerentes + aprender padrões; Ex.: gpt

ARQUITETURA TRANSFORMER = o princípio tecnológico no centro do processo

divide texto em pequenas partes = tokens => convertidos em vetores numéricos

vetores passam por camadas do transformer:

mecanismo de autoatenção = identifica relações entre diferentes partes do texto ➞ manter coerência/ contexto

análise de todas as palavras de uma frase ao mesmo tempo e identificação das quais são mais relevantes para prever a próxima palavra.

⚙️ Componentes principais:

• Camadas de atenção → determinam relações entre palavras.

• Positional encoding → indica a ordem das palavras.

• Feed-forward networks → refinam a interpretação do texto.

• interpretação e resumo automático (novo dado) de textos extensos

Só sei que nada sei