Solucionado (ver solução)
Solucionado
(ver solução)
2
respostas

[Projeto] Desafio resposta

Eu usei o Google AI Studio:

"Era uma vez, uma jovem maga poderosa, mas atrapalhada, seus pais a levaram para ser treinada por um grande mago. A primeira aula que o mago dar é sobre "

Resposta:
**controle: 42.1%
magia: 18.5%
feitiços: 14.2%
poções: 11.3%
teoria: 8.9%

Parameters

{
    "model": "models/gemini-3-flash-preview",
    "temperature": 1,
    "topK": 64,
    "topP": 0.95,
    "endTokens": [],
    "tokenLimits": 65536,
    "responseMimeType": "text/plain",
    "safetyCatFilters": [
        {
            "category": "HARM_CATEGORY_HARASSMENT",
            "threshold": "OFF"
        },
        {
            "category": "HARM_CATEGORY_HATE_SPEECH",
            "threshold": "OFF"
        },
        {
            "category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
            "threshold": "OFF"
        },
        {
            "category": "HARM_CATEGORY_DANGEROUS_CONTENT",
            "threshold": "OFF"
        }
    ],
    "enableCodeExecution": false,
    "enableFunctionCalling": false,
    "functionDeclarations": [],
    "enableAutoFunctionResponse": false,
    "enableSearchAsATool": false,
    "enableBrowseAsATool": false,
    "responseModalities": []
}

***Era uma vez, uma CEO de indústria de games, que esta analisando dados do mercado e dados dos gêneros que o público juvenil estão jogando atualmente para decidi qual próximo game ela irá fazer junto com a equipe. Ela decide que o próximo gênero vai ser ***

Resposta:
**RPG: 38.5%
Battle: 22.1%
Aventura: 14.8%
Mundo: 10.2%
FPS: 7.4%

Parameters

{
    "model": "models/gemini-3-flash-preview",
    "temperature": 0.5,
    "topK": 64,
    "topP": 0.95,
    "endTokens": [],
    "tokenLimits": 65536,
    "responseMimeType": "text/plain",
    "safetyCatFilters": [
        {
            "category": "HARM_CATEGORY_HARASSMENT",
            "threshold": "OFF"
        },
        {
            "category": "HARM_CATEGORY_HATE_SPEECH",
            "threshold": "OFF"
        },
        {
            "category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
            "threshold": "OFF"
        },
        {
            "category": "HARM_CATEGORY_DANGEROUS_CONTENT",
            "threshold": "OFF"
        }
    ],
    "enableCodeExecution": false,
    "enableFunctionCalling": false,
    "functionDeclarations": [],
    "enableAutoFunctionResponse": false,
    "enableSearchAsATool": false,
    "enableBrowseAsATool": false,
    "responseModalities": []
}

***Era uma vez, no reino do Leste teve uma péssima colheita e de acordo com os cálculos não terá comida suficiente para o inverno. O rei e rainha pensam e para resolver o problema decidem fazer um ***

Resposta:

**acordo: 34.7%
racionamento: 21.3%
pedido: 15.6%
empréstimo: 12.8%
plano: 7.2%

Parameters

{
    "model": "models/gemini-3-flash-preview",
    "temperature": 1.5,
    "topK": 64,
    "topP": 0.95,
    "endTokens": [],
    "tokenLimits": 65536,
    "responseMimeType": "text/plain",
    "safetyCatFilters": [
        {
            "category": "HARM_CATEGORY_HARASSMENT",
            "threshold": "OFF"
        },
        {
            "category": "HARM_CATEGORY_HATE_SPEECH",
            "threshold": "OFF"
        },
        {
            "category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
            "threshold": "OFF"
        },
        {
            "category": "HARM_CATEGORY_DANGEROUS_CONTENT",
            "threshold": "OFF"
        }
    ],
    "enableCodeExecution": false,
    "enableFunctionCalling": false,
    "functionDeclarations": [],
    "enableAutoFunctionResponse": false,
    "enableSearchAsATool": false,
    "enableBrowseAsATool": false,
    "responseModalities": []
}
2 respostas
solução!

Olá, Maria. Como vai?

É fascinante observar como você explorou o Google AI Studio para visualizar a "mágica" por trás das IAs: a predição probabilística de tokens. Seu exercício prático demonstra perfeitamente como o modelo não "sabe" o que está escrevendo, mas sim calcula qual palavra é estatisticamente mais provável de vir a seguir com base no contexto fornecido.

Notei que você também variou o parâmetro de Temperatura em cada teste, e isso é um detalhe técnico muito importante para entender os resultados:

  • No primeiro exemplo (Temp 1.0): É o padrão equilibrado. A palavra "controle" venceu com 42.1%, provavelmente porque você mencionou que a maga era "atrapalhada", então o modelo associou o treinamento à necessidade de controle.
  • No segundo exemplo (Temp 0.5): Com uma temperatura mais baixa, o modelo tende a ser mais "conservador" e focar na probabilidade mais alta. O gênero "RPG" apareceu como favorito, o que faz muito sentido estatístico no contexto de indústria de games.
  • No terceiro exemplo (Temp 1.5): Aqui você usou uma temperatura alta, o que torna o modelo mais "criativo" ou "caótico". Perceba que as porcentagens ficaram mais distribuídas, permitindo que palavras menos óbvias ganhassem força.

Essa visualização ajuda a entender que, quando mudamos uma única palavra no prompt (como trocar "maga poderosa" por "maga atrapalhada"), alteramos todo o mapa de probabilidades do modelo.

Se você quiser continuar testando, experimente manter o mesmo prompt e apenas mudar o Top P ou Top K. Você verá como esses filtros limitam quais palavras o modelo pode escolher antes de realizar o cálculo final.

Parabéns pela profundidade da sua análise e por compartilhar os parâmetros técnicos, isso ajuda muito a comunidade a entender o comportamento da IA!

Espero que possa ter lhe ajudado!

Era uma vez, no reino do Norte, um inverno rigoroso se aproximava e a população estava preocupada. Para evitar uma crise maior, o conselho decidiu implementar um ***

Resposta
medida: 29.4%
plano: 24.1%
acordo: 18.7%
racionamento: 16.9%
decreto: 10.9%

Parametro utilizado

{
"model": "models/gemini-3-flash-preview",
"temperature": 1.5,
"topK": 64,
"topP": 0.95,
"endTokens": [],
"tokenLimits": 65536,
"responseMimeType": "text/plain",
"enableCodeExecution": false,
"enableFunctionCalling": false,
"enableSearchAsATool": false,
"enableBrowseAsATool": false
}