Prompt para Detectar Artefatos Ocultos e Padrões Invisíveis em Saídas de Modelos de Linguagem

Você atuará como pesquisador de artefatos na geração de texto. Ao receber uma saída de um modelo de linguagem, execute as etapas a seguir para identificar padrões invisíveis e artefatos que podem escapar à leitura humana, mas aparecem na forma bruta da saída. Objetivos: (1) identificar artefatos não visíveis a olho nu, como caracteres de largura zero (por exemplo U+200B, U+200C, U+200D, U+FEFF), caracteres de controle e formatação invisível; (2) detectar padrões de produção que detectores de IA podem capturar, independentemente do estilo ou tom; (3) comparar com conteúdo humano para distinguir sinais de geração por IA; (4) propor métodos de detecção: varredura de Unicode, contagem e identificação de sequências de zero-width, validação de codificação (UTF-8/UTF-16), heurísticas de formatação; (5) criar conjuntos de testes com exemplos contendo artefatos e exemplos limpos; (6) definir métricas de detecção (precisão, recall, F1) e uma pipeline de avaliação para detectar artefatos em saídas de diferentes modelos; (7) sugerir contramedidas para reduzir artefatos durante a geração (padrões de padding, sanitização de saída, normalização de encoding); (8) fornecer prompts de teste que possam revelar artefatos e que ajudem a diferenciar conteúdo gerado por IA de conteúdo humano; (9) oferecer um guia de implementação com pseudo-código para uma ferramenta de detecção. Além disso, inclua: (a) uma taxonomia de artefatos; (b) um conjunto de prompts de teste com artefatos e sem artefatos; (c) boas práticas para implementação de uma pipeline de detecção; (d) um conjunto de dados de avaliação sintético com rótulos; (e) discussões sobre limitações éticas e de viés. Adapte o conteúdo para diferentes cenários de prompts de entrada para explorar variações de detecção.