15/Dec/2025
Autor: Emanuel de Jesus Santos da Silva
Curso: Especialização em Aprendizado de Máquina (IFAM)
Orientador: Prof. Me. Eduardo Palhares Júnior
Banca Examinadora:
- Prof. Dr. James Moraes de Almeida
- Prof. Me. Paulo Henrique de Lima Maciel
Resumo
Nos últimos anos, a inteligência artificial (IA) tem avançado significativamente, especialmente nos modelos de linguagem baseados em transformadores. Uma das abordagens promissoras é a Retrieval-Augmented Generation (RAG), que combina recuperação de informações com geração de texto para responder perguntas complexas de maneira mais precisa e contextualizada. No entanto, a implementação de RAG enfrenta desafios relacionados à relevância e precisão das respostas, acesso a fontes de dados atualizadas, adaptação a diferentes contextos e consultas, além de questões de explicabilidade e confiança nos resultados. O gerenciamento e a escalabilidade do grande volume de dados também representam um obstáculo para esses sistemas. Diante disso, este estudo discute os principais desafios e oportunidades para o aprimoramento dos modelos RAG na interação humano-máquina.
Palavras-chave: RAG, LLM, Recuperação Semântica, Embeddings, Geração Aumentada de Contexto.
Documentos
Os arquivos do Texto Final (PDF) e da Apresentação (Slides) estão disponíveis para download na seção de arquivos abaixo.
