Glossário de LLM
Um glossário abrangente com mais de 40 termos usados no universo dos grandes modelos de linguagem.
A
AGI (Inteligência Artificial Geral) - Sistemas de IA capazes de entender, aprender e aplicar conhecimento em qualquer domínio no nível humano ou além. Atualmente teórico.
Agente de IA - Um sistema de IA que pode tomar ações autônomas, usar ferramentas e completar tarefas de múltiplos passos com mínima intervenção humana.
Alinhamento - O desafio de garantir que sistemas de IA se comportem de acordo com valores e intenções humanas.
Anthropic - Empresa de segurança em IA que criou o Claude, fundada por ex-pesquisadores da OpenAI.
API (Interface de Programação de Aplicações) - Uma forma de aplicações se comunicarem com serviços de LLM, enviando prompts e recebendo respostas programaticamente.
Mecanismo de Atenção - A principal inovação dos Transformers que permite aos modelos atribuir diferentes pesos às partes do input ao gerar o output.
Autorregressivo - Método de geração em que cada token de saída é realimentado como entrada para prever o próximo token.
C
ChatGPT - Produto de IA conversacional da OpenAI, baseado em modelos GPT ajustados para diálogo.
Claude - Assistente de IA da Anthropic, conhecido por janelas de contexto longas e foco em segurança.
Código Fechado - Modelos de IA cujos detalhes internos não são públicos; acesso apenas via API.
Completion (compleção) - O texto gerado por um LLM em resposta a um prompt.
Janela de Contexto - A quantidade máxima de texto (em tokens) que um LLM pode processar de uma vez. Como uma memória de curto prazo.
E
Habilidades Emergentes - Capacidades que surgem em LLMs em escala suficiente sem terem sido explicitamente programadas (ex: raciocínio, tradução).
Embedding - Representação numérica de texto como um vetor, capturando o significado semântico.
F
Few-Shot Learning - A capacidade de realizar tarefas com apenas alguns exemplos fornecidos no prompt, sem treinamento adicional.
Fine-Tuning - Treinar um modelo existente com dados específicos para especializá-lo em tarefas particulares.
G
Gemini - Família de modelos de IA multimodal do Google, sucessora do Bard.
GPT (Generative Pre-trained Transformer) - Série de modelos de linguagem da OpenAI, base do ChatGPT.
Guardrails - Medidas de segurança que restringem o que um LLM pode gerar ou discutir.
H
Alucinação - Quando um LLM gera informações plausíveis, mas incorretas ou inventadas.
I
Inferência - O processo de executar um modelo treinado para gerar saídas. (Treinamento ensina; inferência usa.)
Tokens de Entrada - Os tokens do seu prompt que o modelo processa. Geralmente mais baratos que os tokens de saída.
K
Knowledge Cutoff - A data após a qual um LLM não possui dados de treinamento. Informações posteriores a essa data são desconhecidas pelo modelo.
L
Llama - Família de grandes modelos de linguagem open source da Meta.
LLM (Large Language Model) - Modelos de IA com bilhões de parâmetros, treinados em grandes volumes de texto, capazes de compreender e gerar linguagem humana.
LLM Local - Executar um LLM no seu próprio hardware em vez de usar APIs na nuvem.
M
Max Tokens - Parâmetro que limita quantos tokens o modelo irá gerar em sua resposta.
Mistral - Empresa francesa de IA conhecida por modelos open source eficientes como o Mistral 7B.
Multimodal - IA capaz de processar e gerar múltiplos tipos de dados (texto, imagens, áudio, vídeo).
O
Ollama - Ferramenta para rodar facilmente LLMs open source localmente no seu computador.
Open Source - LLMs cujos pesos do modelo estão disponíveis publicamente para download e uso.
OpenAI - Empresa de pesquisa em IA que criou o GPT, DALL-E e ChatGPT.
Tokens de Saída - Os tokens gerados pelo modelo como resposta. Geralmente mais caros que os tokens de entrada.
P
Parâmetros - Os valores ajustáveis (pesos) em uma rede neural aprendidos durante o treinamento. Mais parâmetros geralmente significam mais capacidade.
Pré-treinamento - Fase inicial de treinamento de um LLM em grandes volumes de texto geral antes do fine-tuning específico de tarefas.
Prompt - O texto de entrada fornecido a um LLM para guiar sua resposta.
Prompt Engineering (engenharia de prompts) - A prática de criar prompts eficazes para obter saídas desejadas de LLMs.
Q
Quantização - Redução da precisão do modelo (ex: 16-bit para 4-bit) para torná-lo menor e mais rápido, com algum impacto na qualidade.
R
RAG (Retrieval-Augmented Generation) - Combinação de LLMs com recuperação de conhecimento externo para fundamentar respostas em informações verificadas.
Rate Limit - Restrições sobre quantas requisições de API ou tokens você pode usar em um determinado período.
RLHF (Reinforcement Learning from Human Feedback) - Técnica de treinamento onde avaliadores humanos pontuam as respostas, e o modelo aprende a produzir respostas mais bem avaliadas.
S
Streaming - Receber respostas de LLM token por token à medida que são geradas, em vez de esperar pela resposta completa.
System Prompt (prompt de sistema) - Instruções ocultas que definem como uma IA deve se comportar durante toda a conversa.
T
Temperature (temperatura) - Parâmetro que controla a aleatoriedade na geração. Baixo = previsível; alto = criativo, porém arriscado.
Token - A unidade básica processada pelos LLMs—aproximadamente ¾ de uma palavra em média. "Compreensão" pode ser 3 tokens.
Tokenização - O processo de dividir o texto em tokens para o modelo processar.
Treinamento - O processo de ensinar um LLM ajustando seus parâmetros com base em grandes volumes de texto.
Transformer - Arquitetura de rede neural que impulsiona os LLMs modernos, introduzida em 2017.
Z
Zero-Shot - Realizar uma tarefa sem exemplos—apenas instruções no prompt.
Relações-Chave
Referência Rápida
Tamanhos de Modelo
| Tamanho | Parâmetros | Uso Típico |
|---|---|---|
| Pequeno | 7B | Execução local, tarefas leves |
| Médio | 13B-30B | Bom equilíbrio |
| Grande | 70B+ | Tarefas complexas, alta qualidade |
Aproximações de Tokens
- 1 token ≈ ¾ palavra
- 100 tokens ≈ 75 palavras
- 1 página ≈ 500-750 tokens
Configurações de temperatura
| Configuração | Comportamento |
|---|---|
| 0.0-0.3 | Determinístico, factual |
| 0.4-0.7 | Equilibrado |
| 0.8-1.0+ | Criativo, variável |