0%
Bruno Rodrigues

Buscando informações atualizadas

Transcrição

Os modelos de linguagem, por padrão, eles respondem com é com base no treinamento deles, então eles estão presos ali, aquela informação que foi utilizada durante o treinamento. E a gente tem que sempre lembrar que eles demoram muito para serem treinados, então eles estão sempre defasados. Não tem o risco de que eu vou perguntar algo para um modelo hoje sobre algo que aconteceu na semana passada. Ele vai saber porque ele levou meses para ser treinado. Então ele ficou preso a um texto ali que já está desatualizado há muitos meses, quando não anos. Agora, os modelos mais modernos têm a capacidade de fazer buscas na internet e muitos deles fazem isso sem nem consulta a gente, né? Eles têm ali uma capacidade de analisar, OPA, essa esse é o tipo de informação que é bom, eu IA buscar na internet ou não. E a gente também pode pedir para eles especificamente para buscar, né? Alguns basta escrever isso, outros tem um botão ali para clicar ou dá para tentar as 2 coisas. Isso deixa os modelos muito mais poderosos, porque tiram eles dessa dependência exclusiva do conteúdo de treinamento deles. Não é da base de treinamento deles. E é um feeling que a gente vai desenvolvendo também de pensar, puxa, essa informação, esse prompt que eu estou enviando, tem uma informação que tende a estar desatualizado, que é uma informação viva, é uma taxa ali, é algo que muda muito. Deixo já pedir para esse modelo fazer essa pesquisa para mim antes de responder. Eu também gosto de utilizar muitos modelos que raciocinam para coisas que exigem pesquisa, porque isso faz com que ele passe ali mais tempo, visitando mais Fontes. Antes de sair com uma resposta, não é? Vai dar mais tempo para o modelo pensar do que meramente fazer uma pesquisa simples e construir a resposta dele. Então, para qualquer coisa que envolve informações atualizadas, os modelos que raciocinam costumam ter uma performance melhor aos modelos que não raciocinam.