Uma Secretaria de Fazenda estadual está implementando um assistente virtual baseado em um modelo de linguagem de grande escala (LLM) para auxiliar contribuintes na interpretação da legislação tributária. Durante os testes, os auditores observaram que, ao ser questionado sobre a alíquota do ICMS para determinado produto, o modelo forneceu uma resposta incorreta, citando um dispositivo legal que não existe. Para mitigar esse problema, a equipe técnica decidiu adotar a técnica de Retrieval-Augmented Generation (RAG), combinando o LLM com uma base de documentos oficiais atualizada.

Considerando os conceitos de LLMs e da arquitetura RAG, avalie as afirmativas a seguir:

• I. A técnica de RAG permite que o modelo gere respostas fundamentadas em documentos recuperados em tempo real, reduzindo a ocorrência de alucinações, pois as informações são extraídas de fontes verificáveis.
• II. Na arquitetura RAG, o LLM é utilizado apenas para indexar os documentos na base de conhecimento, enquanto a geração da resposta final é realizada por um sistema especialista baseado em regras.
• III. O fenômeno da alucinação em LLMs é inevitável e não pode ser mitigado por técnicas de recuperação de informação, uma vez que decorre da natureza probabilística do modelo.
• IV. A combinação de RAG com mecanismos de prompt engineering pode melhorar a precisão das respostas, mas não elimina completamente a necessidade de validação humana em contextos críticos, como a interpretação de normas tributárias.

Estão corretas apenas as afirmativas: