Faça como eu fiz: explorando probabilidades | Engenharia de Prompt: criando prompts eficazes para IA Generativa

Análise
Ao analisar os dados de temperaturas no AI Studio (Google), foi observado que, na abordagem de completar frases, o modelo tendia a gerar as mesmas respostas, variando os valores percentuais.

Temperatura = 0
Com base nas tendências atuais do mercado de trabalho e na facilidade de aprendizado para iniciantes, estas são as 5 linguagens de programação mais prováveis para completar a frase "melhor linguagem de programação para estudar é _____", juntamente com suas probabilidades estimadas:
Python (40%)
JavaScript (30%)
Java (15%)
C# (10%)
TypeScript (5%)

Temperatura = 1
Com base nas tendências atuais de mercado, na demanda por profissionais e na facilidade de aprendizado para iniciantes, estas são as 5 linguagens de programação mais prováveis para completar a frase "melhor linguagem de programação para estudar é _____", juntamente com suas probabilidades estimadas:
Python (45%)
JavaScript (30%)
Java (10%)
C# (10%)
TypeScript (5%)

Temperatura = 2
Com base nas tendências atuais de mercado, facilidade de aprendizado e demanda profissional para 2025, estas são as 5 linguagens de programação mais prováveis para completar a frase "melhor linguagem de programação para estudar é _____", com suas probabilidades estimadas:
Python (50%)
JavaScript (30%)
C# (10%)
Java (5%)
TypeScript (5%)

Oi, Kelly. Como vai?

Agradeço por compartilhar suas reflexões e aprendizados com a comunidade Alura.

Gostei da sua análise ao notar que, mesmo alterando a temperatura, as respostas mantiveram o mesmo conjunto de linguagens e só mudaram os percentuais. Isso faz sentido: a temperatura controla a aleatoriedade local, mas o enunciado e o método de decodificação (ex.: top-p/top-k) tendem a puxar para os mesmos candidatos. Vale lembrar que esses números não são probabilidades reais do modelo, a menos que você colete logprobs e conte ocorrências em várias amostras.

Siga firme, você está comparando configurações de forma objetiva e isso acelera o aprendizado.

Dica: para avaliar diversidade, gere 20 amostras por temperatura, ligue logprobs (se disponível) e conte a frequência de cada saída. Também teste mudar a tarefa para “liste 5 opções com justificativa” e ajuste top-p/presence_penalty para ver como o conjunto varia.

Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!