Uma equipe de auditoria fiscal da SEFAZ Nacional esta desenvolvendo um sistema baseado em LLM para analisar automaticamente petições de contribuintes e emitir pareceres preliminares. O sistema recebe o texto da petição e deve gerar um resumo tecnico, identificar dispositivos legais aplicaveis e sugerir um parecer. Para garantir a qualidade das respostas, a equipe adota as seguintes praticas:

• I. Incluir no prompt instrucoes detalhadas sobre o formato da resposta, o tom formal e a obrigatoriedade de citar a legislacao pertinente.
• II. Fornecer ao modelo alguns exemplos de petições e pareceres anteriores (few-shot learning) para orientar o padrao desejado.
• III. Ajustar os parametros de temperatura e top-p para valores baixos, a fim de reduzir a criatividade e aumentar a consistencia.
• IV. Realizar fine-tuning do modelo com um grande conjunto de pareceres fiscais historicos, mesmo que alguns estejam desatualizados.
• V. Implementar uma etapa de verificacao pos-geracao, na qual um modulo de regras valida a citacao dos dispositivos legais e a coerencia logica do parecer.

Considerando as boas praticas de engenharia de prompts e o uso responsavel de LLMs em contexto juridico-fiscal, quais das praticas acima sao adequadas e contribuem efetivamente para a confiabilidade do sistema?