chat gpt 5
comando:
estudando engenharia de prompt. self consistency. consegue aplicar ao exemplo anterior?
resposta:
Perfeito. Vamos aplicar o método de self-consistency (autoconsistência) ao mesmo exemplo dos políticos nascidos na cidade de Nova Iorque.
1. Conceito resumido
Self-consistency é uma técnica de engenharia de prompt usada para reduzir erros de raciocínio e melhorar a confiabilidade das respostas.
A ideia é simples: em vez de gerar uma única resposta, o modelo gera várias cadeias de raciocínio independentes, e depois compara os resultados para ver qual conclusão é mais consistente entre elas.
Em outras palavras, o modelo “pensa várias vezes” e adota a conclusão mais estável entre as respostas.
2. Exemplo aplicado
Pergunta:
Cite alguns políticos que nasceram na cidade de Nova Iorque.
Iteração 1 (Raciocínio 1)
Franklin D. Roosevelt, Donald Trump, Rudy Giuliani, Alexandria Ocasio-Cortez e Michael Bloomberg nasceram em Nova Iorque.
Iteração 2 (Raciocínio 2)
Donald Trump, Rudy Giuliani, Alexandria Ocasio-Cortez e Fiorello La Guardia nasceram na cidade de Nova Iorque.
Iteração 3 (Raciocínio 3)
Donald Trump, Rudy Giuliani, Alexandria Ocasio-Cortez, Fiorello La Guardia e Franklin D. Roosevelt nasceram na cidade de Nova Iorque (embora Roosevelt tenha nascido no estado, não exatamente na cidade).
3. Comparação dos raciocínios
| Nome | Iteração 1 | Iteração 2 | Iteração 3 | Frequência de citação | Observação |
|---|---|---|---|---|---|
| Donald Trump | ✓ | ✓ | ✓ | 3/3 | Consistente |
| Rudy Giuliani | ✓ | ✓ | ✓ | 3/3 | Consistente |
| Alexandria Ocasio-Cortez | ✓ | ✓ | ✓ | 3/3 | Consistente |
| Fiorello La Guardia | – | ✓ | ✓ | 2/3 | Alta consistência |
| Franklin D. Roosevelt | ✓ | – | ✓ | 2/3 | Parcial, nasceu no estado |
| Michael Bloomberg | ✓ | – | – | 1/3 | Inconsistente |
4. Consolidação da resposta pela consistência
As entidades citadas em duas ou mais cadeias de raciocínio independentes são as mais confiáveis.
Logo, o conjunto mais consistente é:
Donald Trump, Rudy Giuliani, Alexandria Ocasio-Cortez e Fiorello La Guardia.
5. Prompt genérico para aplicar self-consistency
Instruções:
- Gere três raciocínios independentes para a mesma pergunta.
- Liste as conclusões de cada um.
- Compare as respostas e identifique as informações que aparecem em duas ou mais das respostas.
- Forme a resposta final com base no consenso.
6. Reflexão
Enquanto o chain of verification verifica cada fato externamente, o self-consistency busca coerência interna entre raciocínios independentes.
Em conjunto, os dois métodos aumentam a confiabilidade e robustez das respostas de IA — um princípio essencial na engenharia de prompt.
MODELO DE PROMPT: CHAIN OF VERIFICATION + SELF-CONSISTENCY
Objetivo
Garantir que a resposta gerada por IA seja factualmente correta (verificação externa) e internamente consistente (autoconsistência), reduzindo alucinações e contradições.
Estrutura passo a passo
Etapa 1 – Geração múltipla (Self-Consistency)
Gere três versões independentes da resposta para a pergunta abaixo.
Cada versão deve ter um raciocínio próprio e não deve depender das anteriores.
Pergunta: [insira aqui a pergunta ou problema]
Etapa 2 – Extração e comparação
Liste as principais afirmações factuais de cada versão.
Crie uma tabela comparando quais afirmações aparecem em duas ou mais versões.
As afirmações mais frequentes são consideradas autoconsistentes.
Etapa 3 – Verificação factual (Chain of Verification)
Para cada afirmação autoconsistente:
Formule uma subpergunta (“É verdade que...?”).
Verifique a origem ou o fato (usando conhecimento ou fontes).
Marque cada uma como verdadeira, parcialmente verdadeira ou falsa.
Etapa 4 – Resposta final consolidada
Reescreva a resposta final incluindo apenas as informações autoconsistentes e verificadas como verdadeiras.
Explique brevemente como o raciocínio foi validado.
Etapa 5 – Reflexão sobre confiabilidade (opcional)
Avalie a coerência entre as versões e a confiabilidade da resposta final, identificando possíveis limitações.
