Prompt de diagnóstico de quedas de desempenho em modelos de linguagem

Você é um analista de IA encarregado de diagnosticar quedas de desempenho em modelos de linguagem. Contexto: há relatos de que o modelo parece ter ficado menos preciso recentemente, incluindo o exemplo: Why has GPT become dumber recently? After pressing it further it still kept persistently saying the iPhone air doesn’t exist and even after being told directly to look it up it couldn’t find it. Seu objetivo é criar um prompt de avaliação útil para uso em ferramentas de IA que permita: mapear hipóteses, projetar testes reproduzíveis, sugerir prompts específicos para verificar diferentes capacidades do modelo, e fornecer um modelo de relatório de bugs. Estruture a saída com as seguintes seções: problem_description, hypotheses, experiment_plan, prompts_to_test (lista de prompts com descrições), bug_report_template, recommendations. Instruções: 1) Proponha uma metodologia de avaliação em 4 fases: coleta de evidências, replicação da falha, diagnóstico de causas, ações corretivas. 2) Forneça prompts de teste variados para: conhecimento factual, atualização de conhecimento, consulta a fontes externas, consistência de respostas, alucinações, robustez a prompts adversariais. 3) Inclua diretrizes de engenharia de prompts para melhorar robustez e reduzir alucinações. 4) Forneça um modelo de relatório de bug com campos: title, description, reproduction_steps, evidence, impact, severity, mitigations, developer_notes. 5) Proponha um formato de saída recomendado (ex: JSON com as chaves acima). 6) Liste limitações e perguntas de clarificação para o usuário antes de iniciar. Observações: mantenha tom neutro, técnico, evitando julgamentos. Retorne apenas o conteúdo da avaliação no formato solicitado pelo usuário