2. Force a Abstinência

Adicione uma regra a todo prompt factual: "Se você não puder verificar isso a partir das informações fornecidas, diga 'Não tenho certeza' ou 'Não especificado'.' Forçar o modelo a se abster quando faltam evidências é uma estratégia amplamente recomendada . Uma "instrução personalizada de filtro de realidade" — que proíba a apresentação de conteúdo inferido ou especulativo como fato — pode ser configurada nas configurações de personalização do ChatGPT para ser aplicada a todas as conversas .

3. Exija Citações e Rastreabilidade

Peça ao ChatGPT para citar fontes específicas para cada afirmação, incluindo a URL ou o documento de referência . Observe que as próprias citações podem ser alucinadas, portanto, trate-as como afirmações a serem verificadas, e não como provas . No entanto, exigir rastreabilidade leva as respostas a um formato mais estruturado e baseado em fontes .

4. Divida Perguntas Complexas em Perguntas Pequenas e Diretas

Em vez de uma pergunta ampla, faça uma série de subperguntas estreitas . Reduzir o escopo da tarefa diminui os graus de liberdade do modelo, tornando-o menos propenso a gerar conteúdo não fundamentado . Por exemplo, substitua "Quais são os efeitos das mudanças climáticas?" por três perguntas específicas sobre temperatura, nível do mar e agricultura.

5. Use Persona e Restrições Explícitas

Defina uma função clara e proíba termos vagos . Exemplo: "Você é um assistente de pesquisa. Use apenas informações do documento que eu forneci. Se a resposta não estiver no documento, diga 'Não especificado'.' Diretrizes comportamentais rígidas mantêm o modelo ancorado no contexto fornecido .

6. Exija Verificação em Múltiplas Etapas

Adicione um meta-prompt: "Antes de responder, verifique cada afirmação factual com base nas fontes fornecidas e sinalize qualquer coisa que não puder verificar.' Isso leva o modelo a se autoavaliar antes de gerar o texto . Pedir ao modelo para mostrar seu raciocínio ou fontes permite que você inspecione suas afirmações, mas isso não deve substituir sua própria verificação .

7. Sempre Verifique Você Mesmo as Afirmações Críticas

Trate toda saída factual específica — datas, estatísticas, nomes, leis, detalhes médicos ou financeiros — como uma hipótese a ser verificada, não como uma conclusão confiável . Use fontes independentes para confirmar alegações de alto risco antes de agir com base nelas. Refça a mesma pergunta de uma forma ligeiramente diferente em um momento diferente; respostas inconsistentes são um forte sinal de alucinação .

O Que Não Funciona de Forma Confiável

• Simplesmente perguntar "Tem certeza?" é mais fraco do que pedir fontes, evidências, abstinência ou etapas explícitas de verificação .
• Confiar em citações sem verificá-las é arriscado — as próprias citações devem ser tratadas como afirmações a serem verificadas .

A Principal Ressalva

As alucinações não podem ser totalmente interrompidas; o objetivo é a redução de danos, não a eliminação . Combinar várias técnicas — ancoragem em documentos, prompts de abstinência, exigência de citações e verificação manual — oferece uma defesa muito mais forte do que confiar em qualquer método único .

2. Force a Abstinência

Adicione uma regra a todo prompt factual: "Se você não puder verificar isso a partir das informações fornecidas, diga 'Não tenho certeza' ou 'Não especificado'.' Forçar o modelo a se abster quando faltam evidências é uma estratégia amplamente recomendada . Uma "instrução personalizada de filtro de realidade" — que proíba a apresentação de conteúdo inferido ou especulativo como fato — pode ser configurada nas configurações de personalização do ChatGPT para ser aplicada a todas as conversas .

3. Exija Citações e Rastreabilidade

Peça ao ChatGPT para citar fontes específicas para cada afirmação, incluindo a URL ou o documento de referência . Observe que as próprias citações podem ser alucinadas, portanto, trate-as como afirmações a serem verificadas, e não como provas . No entanto, exigir rastreabilidade leva as respostas a um formato mais estruturado e baseado em fontes .

4. Divida Perguntas Complexas em Perguntas Pequenas e Diretas

Em vez de uma pergunta ampla, faça uma série de subperguntas estreitas . Reduzir o escopo da tarefa diminui os graus de liberdade do modelo, tornando-o menos propenso a gerar conteúdo não fundamentado . Por exemplo, substitua "Quais são os efeitos das mudanças climáticas?" por três perguntas específicas sobre temperatura, nível do mar e agricultura.

5. Use Persona e Restrições Explícitas

Defina uma função clara e proíba termos vagos . Exemplo: "Você é um assistente de pesquisa. Use apenas informações do documento que eu forneci. Se a resposta não estiver no documento, diga 'Não especificado'.' Diretrizes comportamentais rígidas mantêm o modelo ancorado no contexto fornecido .

6. Exija Verificação em Múltiplas Etapas

Adicione um meta-prompt: "Antes de responder, verifique cada afirmação factual com base nas fontes fornecidas e sinalize qualquer coisa que não puder verificar.' Isso leva o modelo a se autoavaliar antes de gerar o texto . Pedir ao modelo para mostrar seu raciocínio ou fontes permite que você inspecione suas afirmações, mas isso não deve substituir sua própria verificação .

7. Sempre Verifique Você Mesmo as Afirmações Críticas

Trate toda saída factual específica — datas, estatísticas, nomes, leis, detalhes médicos ou financeiros — como uma hipótese a ser verificada, não como uma conclusão confiável . Use fontes independentes para confirmar alegações de alto risco antes de agir com base nelas. Refça a mesma pergunta de uma forma ligeiramente diferente em um momento diferente; respostas inconsistentes são um forte sinal de alucinação .

O Que Não Funciona de Forma Confiável

• Simplesmente perguntar "Tem certeza?" é mais fraco do que pedir fontes, evidências, abstinência ou etapas explícitas de verificação .
• Confiar em citações sem verificá-las é arriscado — as próprias citações devem ser tratadas como afirmações a serem verificadas .

A Principal Ressalva

As alucinações não podem ser totalmente interrompidas; o objetivo é a redução de danos, não a eliminação . Combinar várias técnicas — ancoragem em documentos, prompts de abstinência, exigência de citações e verificação manual — oferece uma defesa muito mais forte do que confiar em qualquer método único .