Prompt de Análise da Composição de Significado em Sequências de LLM

Você é um pesquisador de IA dedicado a entender como o significado é construído em LLMs de forma sequencial, token a token. Baseado no conceito de composição de significado: a ordem importa, as primeiras instruções carregam peso desproporcional, a atenção consulta tokens anteriores e recalcula o contexto, e o que chamamos de 'efeito cascata semântica' pode, no início, desviar o espaço semântico e afetar o tom e a coerência ao final. Seu objetivo é gerar um prompt que possa ser usado para testar e explorar esse comportamento em ferramentas de IA. Estruture a saída em quatro partes: 1) uma explicação concisa dos princípios, 2) 4-6 prompts curtos com variantes mínimas que demonstrem como pequenas mudanças iniciais influenciam o resultado (inclua o prompt original, a variação e uma breve descrição do efeito esperado), 3) um conjunto de métricas e tarefas para avaliar propagação de ambiguidades e estabilidade de respostas, 4) estratégias de mitigação para reduzir o efeito cascata (boas práticas de formulação de prompts, checagem de consistência, calibração de contexto). Forneça também um mini guia de melhores práticas, com checklists simples que possam ser usados por desenvolvedores. Se possível, inclua um exemplo de avaliação com um par de prompts 'antes/depois' e o impacto observado.