Quiz: Como funcionam os LLMs
Teste seu entendimento sobre como os Large Language Models aprendem e geram texto.
30 questões - Clique em cada pergunta para revelar a resposta correta.
Pergunta 1
Qual é o principal mecanismo que os LLMs usam para gerar texto?
A) Buscar respostas em um banco de dados
B) Prever a próxima palavra/token
C) Copiar dos dados de treinamento
D) Usar busca na internet
Mostrar resposta
Resposta correta: B
LLMs geram texto prevendo qual palavra ou token deve vir a seguir, uma de cada vez, com base em tudo o que veio antes.
Pergunta 2
O que é um "token" no contexto dos LLMs?
A) Um tipo de criptomoeda
B) Um pedaço de texto (geralmente uma palavra ou parte de palavra)
C) Uma credencial de login
D) Um componente de hardware
Mostrar resposta
Resposta correta: B
Tokens são as unidades básicas que os LLMs processam—geralmente partes de palavras. Por exemplo, "entendimento" pode ser dividido em "en-ten-di-men-to" (6 tokens).
Pergunta 3
O que é a janela de contexto?
A) Uma exibição gráfica da IA
B) O máximo de texto que o modelo pode ver de uma vez
C) Uma configuração de brilho da tela
D) A memória de longo prazo do modelo
Mostrar resposta
Resposta correta: B
A janela de contexto é a quantidade máxima de texto que o modelo pode "ver" e considerar ao gerar uma resposta—como seu limite de memória de curto prazo.
Pergunta 4
O que acontece quando uma conversa excede a janela de contexto?
A) O modelo trava
B) As mensagens mais antigas podem ser perdidas ou resumidas
C) O modelo faz upgrade automaticamente
D) Nada—o contexto é ilimitado
Mostrar resposta
Resposta correta: B
Quando o contexto é excedido, as mensagens mais antigas geralmente são truncadas ou resumidas, podendo fazer com que o modelo "esqueça" o início da conversa.
Pergunta 5
O que o "temperature" controla na geração dos LLMs?
A) A velocidade de geração
B) O grau de aleatoriedade/criatividade das respostas
C) O consumo de energia do modelo
D) A cor da interface
Mostrar resposta
Resposta correta: B
O temperature controla o quão aleatória ou determinística é a saída. Temperature baixo = previsível, temperature alto = mais criativo, porém arriscado.
Pergunta 6
Por que o treinamento exige tantos dados de texto?
A) Para preencher espaço de armazenamento
B) Para aprender padrões em tópicos diversos
C) Para criar cópias de backup
D) Requisitos legais
Mostrar resposta
Resposta correta: B
O treinamento exige bilhões de exemplos de texto para que o modelo aprenda padrões em muitos tópicos, estilos de escrita e contextos.
Pergunta 7
O que é um system prompt?
A) Uma mensagem de erro
B) Instruções ocultas que moldam o comportamento da IA
C) O código-fonte do modelo
D) A primeira mensagem do usuário
Mostrar resposta
Resposta correta: B
Um system prompt são instruções ocultas (definidas pelos desenvolvedores) que orientam como a IA deve se comportar durante toda a conversa.
Pergunta 8
Como os LLMs "lembram" partes anteriores de uma conversa?
A) Armazenamento permanente em banco de dados
B) Toda a conversa é reenviada a cada vez
C) Mágica
D) Backup em nuvem
Mostrar resposta
Resposta correta: B
LLMs não têm memória persistente. Todo o histórico da conversa é incluído em cada mensagem, até o limite da janela de contexto.
Pergunta 9
O que significa geração "autoregressiva"?
A) Recursos automáticos de carro
B) Cada token gerado vira entrada para o próximo
C) Controle automático de temperature
D) Regressão em estatística
Mostrar resposta
Resposta correta: B
Autorregressivo significa que a saída do modelo é usada como entrada para gerar o próximo token—cada palavra influencia o que vem depois.
Pergunta 10
Qual é a principal fonte de dados de treinamento dos LLMs?
A) Apenas a Wikipedia
B) Internet, livros e várias fontes de texto
C) Exemplos escritos manualmente
D) Apenas jornais
Mostrar resposta
Resposta correta: B
LLMs são treinados em fontes diversas, incluindo páginas da web, livros, artigos científicos, repositórios de código e mais.
Pergunta 11
O que significa "habilidades emergentes" para LLMs?
A) Habilidades que custam extra
B) Capacidades que surgem em larga escala sem programação explícita
C) Recursos de emergência
D) Habilidades iniciais
Mostrar resposta
Resposta correta: B
Habilidades emergentes são capacidades (como raciocínio ou tradução) que aparecem quando os modelos atingem escala suficiente, mesmo sem terem sido programadas explicitamente.
Pergunta 12
Por que um LLM pode fornecer informações desatualizadas?
A) Está retendo informações intencionalmente
B) Os dados de treinamento têm uma data de corte
C) A internet não funciona
D) Está te testando
Mostrar resposta
Resposta correta: B
LLMs só sabem o que estava em seus dados de treinamento. Informações que mudaram após a data de corte não serão refletidas.
Pergunta 13
O que é "fine-tuning"?
A) Tornar o modelo menor
B) Ajustar um modelo pré-treinado para tarefas específicas
C) Remover bugs
D) Aumentar a velocidade
Mostrar resposta
Resposta correta: B
Fine-tuning é pegar um modelo pré-treinado e treiná-lo ainda mais em dados específicos para especializá-lo em tarefas particulares (como conversa ou código).
Pergunta 14
O que significa RLHF?
A) Really Large Human Files
B) Reinforcement Learning from Human Feedback
C) Rapid Learning High Frequency
D) Regular Language Human Format
Mostrar resposta
Resposta correta: B
RLHF (Reinforcement Learning from Human Feedback) é uma técnica de treinamento em que humanos avaliam as respostas, e o modelo aprende a produzir respostas melhor avaliadas.
Pergunta 15
Quantos tokens tem uma página típica de texto?
A) Cerca de 10
B) Cerca de 100
C) Cerca de 500-750
D) Cerca de 10.000
Mostrar resposta
Resposta correta: C
Uma página típica de texto tem aproximadamente 500-750 tokens, dependendo do conteúdo e do método de tokenização.
Pergunta 16
Por que um LLM não "sabe" fatos como um banco de dados?
A) Bancos de dados são ilegais para IA
B) Ele aprende padrões, não armazena fatos
C) Ele apaga todos os fatos
D) Fatos são muito caros
Mostrar resposta
Resposta correta: B
LLMs aprendem padrões estatísticos a partir de texto, não fatos verificados. Eles codificam associações, não um banco de dados de fatos.
Pergunta 17
O que é uma "alucinação" no contexto de LLM?
A) Um bug visual
B) Gerar informações plausíveis, mas falsas
C) Um estado de sonho
D) Uma falha de hardware
Mostrar resposta
Resposta correta: B
Alucinação é quando um LLM gera informações que parecem convincentes, mas são falsas ou inventadas.
Pergunta 18
O que acontece em configurações de temperature baixa?
A) O modelo roda mais devagar
B) As respostas são mais previsíveis e consistentes
C) O modelo consome menos energia
D) As respostas são mais curtas
Mostrar resposta
Resposta correta: B
Temperature baixa torna o modelo mais determinístico—ele tende a escolher as palavras de maior probabilidade de forma consistente, tornando as respostas mais previsíveis.
Pergunta 19
Como o modelo escolhe entre várias próximas palavras prováveis?
A) Seleção aleatória
B) Amostragem aleatória ponderada pelas probabilidades
C) Sempre escolhe a primeira
D) Votação dos usuários
Mostrar resposta
Resposta correta: B
O modelo faz amostragem entre as próximas palavras possíveis, ponderando pelas probabilidades. Palavras de maior probabilidade têm mais chance de serem escolhidas, mas a aleatoriedade permite variedade.
Pergunta 20
O que torna o Claude particularmente bom para documentos longos?
A) Processamento mais rápido
B) Janela de contexto muito grande (200K tokens)
C) Melhor marketing
D) Tecnologia mais antiga
Mostrar resposta
Resposta correta: B
O Claude tem uma janela de contexto de até 200K tokens, permitindo processar livros inteiros ou grandes bases de código de uma vez.
Pergunta 21
Por que os LLMs precisam de enorme poder computacional para treinamento?
A) Para fins de resfriamento
B) Para processar bilhões de exemplos e ajustar bilhões de parâmetros
C) Requisitos legais
D) Na verdade, não precisa de muita potência
Mostrar resposta
Resposta correta: B
O treinamento envolve processar bilhões de exemplos de texto e ajustar bilhões (ou trilhões) de parâmetros, exigindo enormes recursos computacionais.
Pergunta 22
O que é "pre-training"?
A) Prática antes do teste real
B) Treinamento inicial em grandes volumes de texto geral
C) Instalação de software
D) Onboarding do usuário
Mostrar resposta
Resposta correta: B
Pre-training é a fase inicial em que o modelo aprende a partir de grandes volumes de texto geral antes de qualquer fine-tuning específico.
Pergunta 23
Por que o mesmo prompt pode gerar respostas diferentes?
A) O modelo está confuso
B) A amostragem aleatória na geração cria variação
C) Problemas de conexão com a internet
D) Usuários diferentes recebem modelos diferentes
Mostrar resposta
Resposta correta: B
O processo de amostragem aleatória (afetado pelo temperature) faz com que o mesmo prompt possa gerar respostas diferentes em execuções distintas.
Pergunta 24
Qual a relação entre treinamento e predição?
A) Não têm relação
B) O treinamento ensina o modelo a prever melhor
C) A predição ensina o treinamento
D) São a mesma coisa
Mostrar resposta
Resposta correta: B
O treinamento é o processo de ensinar o modelo a fazer melhores previsões da próxima palavra, ajustando parâmetros com base em bilhões de exemplos.
Pergunta 25
Por que instruções às vezes são "esquecidas" em conversas longas?
A) A IA está sendo difícil
B) Instruções antigas saem do contexto
C) Limites de tempo
D) Corrupção de memória
Mostrar resposta
Resposta correta: B
À medida que a conversa cresce, mensagens antigas (incluindo instruções) podem sair da janela de contexto e serem efetivamente "esquecidas".
Pergunta 26
O que é a "hipótese da compressão" sobre LLMs?
A) Os modelos devem ser menores
B) Boa predição exige compreensão implícita
C) Os dados devem ser comprimidos
D) Arquivos menores são melhores
Mostrar resposta
Resposta correta: B
A hipótese da compressão sugere que, para prever texto bem, o modelo precisa aprender implicitamente gramática, fatos, lógica e conhecimento de mundo—a compressão força a compreensão.
Pergunta 27
O que uma janela de contexto maior permite?
A) Respostas mais rápidas
B) Processar mais texto de uma vez
C) Custos menores
D) Gráficos melhores
Mostrar resposta
Resposta correta: B
Uma janela de contexto maior permite que o modelo "veja" mais texto de uma vez—possibilitando análise de documentos longos e maior memória de conversação.
Pergunta 28
Por que aparecem vieses nas respostas dos LLMs?
A) Programação intencional
B) Vieses nos dados de treinamento são aprendidos
C) Limitações de hardware
D) Preferências do usuário
Mostrar resposta
Resposta correta: B
Se os dados de treinamento contêm vieses (históricos, culturais, etc.), o modelo aprende esses padrões e pode reproduzi-los nas respostas.
Pergunta 29
Qual o papel do "attention" nos LLMs?
A) Fazer a IA prestar atenção nos usuários
B) Ponderar a importância de diferentes partes da entrada
C) Manter os usuários focados
D) Monitoramento de hardware
Mostrar resposta
Resposta correta: B
Mecanismos de attention ajudam o modelo a ponderar quais partes da entrada são mais relevantes para prever a próxima palavra.
Pergunta 30
Como você descreveria o que os LLMs "entendem"?
A) Eles entendem como humanos
B) Reconhecem padrões sem compreensão real
C) Entendem tudo perfeitamente
D) Não entendem nada
Mostrar resposta
Resposta correta: B
LLMs reconhecem e reproduzem padrões dos dados de treinamento. Se isso constitui "compreensão" é debatido, mas é claramente diferente da compreensão humana.
Resultados
| Pontuação | Nível |
|---|---|
| 27-30 | Excelente - Forte entendimento de como funcionam os LLMs |
| 21-26 | Bom - Uma revisão pode ser útil |
| 15-20 | Médio - Revise os capítulos novamente |
| Abaixo de 15 | Precisa de revisão completa |