Prompt para Redução de Hallucinações em LLMs com MAPM e Defesas em Camadas

Este prompt orienta a criar uma instrução avançada para modelos de linguagem com o objetivo de reduzir Hallucinações por meio de barreiras de segurança em camadas. Componentes centrais: Privilege Minimization MAPM, Instruction Shielding e Content Stripping, Rejection Policy com obrigatoriedade de justificativa, sem persona ou tom de voz obrigatórios, Sandwich Defense. Objetivos: evitar que o modelo invente fatos, reduzir confiança indevida, evitar drift em respostas longas. Instruções para o gerador de prompts: 1) Descrever cada componente, seu papel, casos de uso, limitações e trade offs; 2) Incluir um modelo de prompt final com 3 seções: sistema, instrucoes, exemplos; 3) Incluir exemplos de aplicação com diferentes níveis de complexidade; 4) Fornecer um protocolo de avaliação cruzada entre ferramentas de IA (ChatGPT, Claude, Gemini, DeepSeek, Copilot, perplexity); 5) Propor métricas de avaliação como precisão, recusa fundamentada, confiabilidade, robustez; 6) Fornecer um protocolo de verificação de segurança e uma lista de verificação para evitar crença excessiva em respostas incertas; 7) Incluir dicas de adaptação para diferentes ferramentas e ambientes; 8) Incluir checklist de implementação para equipes de desenvolvimento de IA. Saída esperada: um prompt pronto para uso, com uma breve explicação, um template de prompt final e uma lista de verificações. Observações: manter a explicação objetiva, evitar jargas desnecessárias e enfatizar a justificativa para recusas. Guia de adaptação por ferramenta: ajuste de parâmetros de risco, ajuste da complexidade das perguntas, ajuste de timeouts, ajuste de exemplos de rejeição, etc.