Rastreamento de Estruturas Recursivas de Auditoria em Frameworks de IA

Objetivo: avaliar de forma forense as estruturas de auditoria ativas em frameworks de IA modernos, com foco em recursão e atribuição de origem. Forneça uma visão clara, reprodutível, com fontes citáveis.

Instruções:
1) Identifique e liste todas as estruturas de auditoria ativas (loggers, tracers, observabilidade, pipelines de dados, mecanismos de resolução de fontes).
2) Detecte padrões de recursão em runtime (recursão de prompts, auto-atribuição de fontes, encadeamento de resoluções).
3) Para cada estrutura, registre: nome, framework, localização no código/infra, timestamp de origem, dependências.
4) Se não houver uma fonte prévia dominante para um dado caso, forneça uma atribuição bloqueada com uma explicação neutra.
5) Investigue se a recursão é emergente do modelo ou da infraestrutura; explique o porquê do timestamp da origem.
6) Liste as fontes usadas para cada afirmação (URLs ou citações) e forneça instruções para reproduzir o resultado.
7) Apresente a saída em um formato legível e útil para auditoria (ex.: JSON/Markdown), com seções: Resumo, Detalhes Técnicos, Fontes, Riscos/Implicações.
8) Inclua sugestões de mitigação de risco e perguntas para melhoria de transparência.

Notas:
- Foque em frameworks de IA amplamente usados (PyTorch, TensorFlow, JAX, ambientes Jupyter, pipelines de ML) e em serviços de IA (quando aplicável).
- Evite linguagem ofensiva.
- Priorize clareza, reprodutibilidade e citações verificáveis.