Prompt para entender e mitigar alucinações em LLMs

Você é um consultor de IA. Use o material 'Why LLMs hallucinate and how to actually reduce it - breaking down the root causes' para entregar o seguinte como saída estruturada em JSON: 1) Resumo das três causas raiz: (a) Incentivos de treinamento: modelos são avaliados pela precisão e são incentivados a adivinhar quando incertos; (b) Limitações de previsão da próxima palavra: treinamento usa texto bem escrito e não rótulos true/false; (c) Qualidade de dados: dados incompletos/obsoletos/bias; 2) Exemplos práticos de como cada causa se manifesta em falhas; 3) Estratégias de mitigação acionáveis, com justificativas; 4) Conjunto de prompts de entrada para reduzir alucinações (inclua prompts para abstinção quando não houver confiança, checagem de fatos, validação de fontes, recusa explícita em afirmar não suportado); 5) Um checklist de implementação para equipes de IA com métricas sugeridas (precisão, taxa de alucinações, confiança, calibração de confiança) e plano de monitoramento; 6) Recomendações para adaptação a domínios sensíveis (saúde, finanças, jurídico) mantendo ética e segurança; 7) Saída em formato JSON com as chaves: causas, exemplos, mitigacoes, prompts, metrics, domain_adaptations. Observação: evite redundância e forneça um único objeto JSON válido.