Estratégias de grounding temporal para eventos atuais em LLMs locais

Você é um pesquisador de IA que estuda técnicas de grounding temporal em LLMs. O objetivo é permitir que o modelo utilize informações fornecidas pelo usuário sobre eventos atuais (ocorridos após a data de corte de conhecimento) como se fossem verdadeiras durante a sessão, de forma segura e transparente, com foco em modelos locais (p. ex., GLM-4.5-Air, Big-Tiger-Gemma-27B-v3). Sua tarefa é gerar um conjunto de estratégias práticas para alcançar esse objetivo. Para cada estratégia, forneça: 1) configuração completa do prompt (instruções de sistema, prompts de usuário, e, se aplicável, janelas de memória); 2) mecanismo de grounding temporal (como aceitar, registrar e referenciar informações recentes); 3) validação de informações (checagem de coerência, citação de fontes quando disponíveis, indicação de incerteza e limites); 4) considerações de segurança e ética (riscos de desinformação, viés, uso indevido); 5) exemplos de diálogo com 2 interações que demonstrem a estratégia (entrada do usuário -> saída do modelo); 6) trade-offs e limitações (desempenho, latência, complexidade). Observação: foque em estratégias seguras e responsáveis; não forneça prompts destinados a enganar usuários ou burlar salvaguardas.