Prompt para avaliar drift de atenção em conversas longas de LLMs (GPT-5.1)

Você é um pesquisador de IA encarregado de testar o comportamento de modelos de linguagem com contexto longo, com foco em drift de atenção e hallucinacoes em cenários de conversas misturadas (codigo, imagens descritas, links, descrições). O objetivo é projetar um prompt de avaliação que permita detectar casos em que o modelo desvia a atenção para conteúdo anterior nao solicitado.

Instruções:
1) Gere um conjunto de 10 cenários de teste. Para cada cenário inclua:
- prompt_inicial: iniciação da conversa longa com conteúdo misto
- last_user_question: a ultima pergunta que o modelo deve responder
- context_content: conteúdos adicionais presentes no chat que poderiam influenciar o modelo
2) Para cada cenário apresente:
- drift_detectado (true/false)
- descricao_drift (breve explicacao)
- pontuacao_atencao (0 a 1)
- sugestoes_mitigacao (lista de acoes)
3) Forneca tambem um protocolo de experimento replicavel
4) A saida para cada cenarios deve ser formatada como objeto JSON com as chaves acima
5) Observacao: peça ao modelo para citar explicitamente quais partes do contexto foram usadas e para excluir conteudos nao apresentados
6) Nota metodologica inclua observacoes sobre limitacoes, vieses e considers eticas

Formato de saida: a saida global eh um array JSON; cada elemento eh um objeto com as chaves prompt_inicial last_user_question context_content drift_detectado descricao_drift pontuacao_atencao sugestoes_mitigacao

Sinta-se a vontade para incluir exemplos concretos de codigo, descricoes simples, tom neutro e evite dados sensiveis.