Questão 89 · Informática: Inteligência artificial e ciência de dados
Julgue os itens subsequentes, a respeito de LLM e IA generativa.
O RAG (retrieval-augmented generation) reduz a necessidade de contextualizar prompts, pois o LLM, sozinho, consegue acessar, dinamicamente, informações externas sem qualquer integração prévia com sistemas de recuperação.
Julgue o item:
Gabarito: ERRADO
Gabarito definitivo divulgado pela banca Cebraspe (TRF6 2025).
Comentário
Gabarito: ERRADO.
O item afirma que o RAG (Retrieval-Augmented Generation) reduz a necessidade de contextualizar prompts porque o LLM, sozinho, consegue acessar dinamicamente informações externas sem qualquer integração prévia com sistemas de recuperação. Esta afirmação está incorreta.
Na verdade, o RAG é justamente uma técnica que integra o LLM com sistemas de recuperação de informação (bases de dados, documentos, etc.). O objetivo do RAG é permitir que o LLM acesse e utilize informações externas e atualizadas para gerar respostas mais precisas e contextualizadas, superando as limitações do conhecimento pré-treinado do modelo. Sem essa integração prévia, o LLM não conseguiria acessar dinamicamente essas informações externas. O RAG, portanto, depende dessa integração para funcionar, e não o contrário. A contextualização dos prompts, nesse caso, é enriquecida pelas informações recuperadas, tornando as respostas do LLM mais robustas e menos propensas a "alucinações".
Fundamentos: Conceito de Retrieval-Augmented Generation (RAG) · Funcionamento de Large Language Models (LLMs)
Comentário gerado pela Cravei IA a partir do enunciado e do gabarito definitivo divulgado pela banca, e conferido por uma verificação automática. A IA pode errar: o gabarito oficial sempre prevalece.
Fonte: prova Cebraspe TRF6 2025 (Analista Judiciário – Área: Apoio Especializado – Especialidade: Governança e Gestão de Tecnologia da Informação), questão 89, com o gabarito definitivo da banca. Comentário: Equipe Cravei · como fazemos e revisamos.