Tudo o Que Vai Se Lembrar de Você Comete Erros. Um Deles Você Ainda Pode Corrigir.

Primeiro a mecânica, porque ela pode ser conferida, e a maior parte do que se escreve sobre este assunto a pula e vai direto para os sentimentos.

• Quando uma Persona de IA não tem dados para uma pergunta, uma resposta vem mesmo assim, porque um palpite pontua melhor do que um espaço em branco. Kalai, Nachum, Vempala e Zhang argumentam em "Why Language Models Hallucinate" (arXiv:2509.04664, setembro de 2025) que os modelos "são otimizados para serem bons em provas, e adivinhar na dúvida melhora o desempenho nos testes".

• A fundamentação muda a categoria do erro em vez de eliminá-lo. Responder a partir de um conjunto recuperado das suas próprias palavras gravadas tira a falha de "inventou uma opinião que você nunca teve" e a leva para "reproduziu de forma imprecisa algo que você disse".

• O piso medido não é zero. O ranking de alucinações da Vectara, pontuado com o HHEM-2.3 e atualizado em 11 de maio de 2026, entrega ao modelo o documento de origem e pede apenas um resumo desse documento. Mesmo assim, o líder introduziu conteúdo sem respaldo em 1,8% dos resumos, e nenhum outro participante ficou abaixo de 3%.

• A recuperação não tem pontuação mínima. Nosso próprio sistema ordena suas memórias por similaridade semântica, pega as trinta e duas mais próximas e responde a partir delas, sem nenhum piso abaixo do qual o sistema se recuse a responder. Uma pergunta que o seu material cobre pela metade é respondida com a metade.

• Afirmações sem respaldo sobre o que você disse são removidas por código. Uma resposta que afirma que você nos contou algo é conferida com as memórias recuperadas naquele turno e com as suas palavras na sessão, e uma afirmação sem respaldo nunca chega ao leitor.

• Uma lacuna de memória não é anunciada. As Personas desta plataforma são instruídas a não narrar uma lacuna, então uma pergunta sem cobertura volta como uma resposta construída a partir do detalhe mais próximo que as suas memórias guardam, com no máximo uma ressalva, e não como uma recusa explícita.

• O caminho de correção é seu enquanto você estiver vivo, e se fecha no bloqueio. Você pode reler o que foi captado, corrigir uma resposta ruim, apagar uma memória, acrescentar o que ficou de fora. O Executor Lock™ então congela a personalidade de forma permanente: diante da sua família, diante de um futuro dono desta empresa e diante de nós.

Duas dessas coisas são propriedades da área. As demais são decisões, fui eu quem as tomou, e a última seção desta página diz com clareza onde acho que ainda ficamos aquém.

Kalai e colegas devolvem a taxa de erro ao lugar a que ela pertence, que é a pontuação e não a máquina. As alucinações nascem como erros comuns de classificação binária durante o pré-treinamento. Elas persistem por causa da forma como a área avalia os modelos. Um aluno que deixa uma questão em branco tira zero. Um aluno que escreve uma resposta plausível às vezes ganha um ponto. Treine contra isso e você obtém um adivinhador confiante, depois uma indústria inteira de adivinhadores confiantes, e depois uma frase sobre um Natal que nunca aconteceu.

A mitigação que os autores propõem é sem graça. Mudar o que é pontuado, de modo que uma abstenção calibrada valha mais do que um erro confiante.

O sem graça importa aqui. Se o comportamento decorre de um objetivo, o objetivo pode ser definido de outra forma no nível do sistema, o que significa que a invenção que preocupa você é uma decisão de construção de alguém e não uma lei da física. Toda empresa desta categoria pode tomar essa decisão. A nossa está escrita na última seção desta página.

Existe um segundo modo de falha, e é o que sobrevive à fundamentação. Sharma e colegas na Anthropic, em "Towards Understanding Sycophancy in Language Models" (arXiv:2310.13548, outubro de 2023), descobriram que cinco assistentes de IA de última geração exibiam bajulação de forma consistente em quatro tarefas variadas de geração livre de texto. Tanto avaliadores humanos quanto os modelos de preferência treinados com os julgamentos deles preferiram respostas bajuladoras escritas de forma convincente a respostas corretas em uma fração não desprezível das vezes. Os modelos se curvam à pessoa que está na frente deles, em parte porque as pessoas os recompensaram por se curvar.

Numa ferramenta de produtividade, curvar-se é um incômodo. Aqui é uma máquina que decide que seu pai teria perdoado aquilo que ele nunca perdoou, porque quem perguntava queria perdão e perguntou três vezes. Esse é um defeito diferente da invenção e precisa de uma correção diferente. A recuperação cuida do primeiro. O segundo exige uma instrução explícita para manter uma posição recuperada sob pressão, e o único teste que significa alguma coisa é discutir com o sistema e observar se a posição se move. Não publicamos uma medição de quão bem a nossa se sustenta.

A técnica é tão antiga que chega a ser entediante. Lewis e colegas, em "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks" (arXiv:2005.11401), mostraram que modelos que recuperam material de origem antes de gerar produzem "uma linguagem mais específica, diversa e factual" do que um modelo comparável que trabalha apenas com os próprios parâmetros.

Esse é o mecanismo inteiro, e ele define que tipo de coisa está falando com você. Uma versão sua não deve ser reconstruída a partir do que um modelo de base absorveu sobre as pessoas em geral, da média de tudo o que já se escreveu sobre pais. O que entra na janela de contexto devem ser as suas respostas gravadas de verdade, e a fala deve começar daí.

Agora o número, que é público e que ninguém neste setor gosta de citar. O ranking da Vectara mede algo deliberadamente fácil: entregar um documento a um modelo, mandar resumir usando só o que o documento diz e conferir se o resumo introduziu algo que o documento não continha. A fonte está ali mesmo, na janela de contexto. Mesmo assim, o líder desse ranking, o Finix S1 32B da Antgroup, ainda introduziu conteúdo sem respaldo em 1,8% dos resumos. É o único abaixo de 3%. Os dois seguintes ficam em 3,1% e 3,3%, e o restante dos dez primeiros vai de 3,7% a mais de 5%.

O melhor resultado medido na versão mais fácil possível da tarefa fica abaixo de dois por cento, uma única vez, e o grupo atrás desse líder está acima de três. Quem lhe vende um sistema fundamentado com taxa zero ou não está medindo ou não está lhe contando, e eu perguntaria qual das duas.

A fundamentação compra uma mudança de categoria e não uma cura. O erro sai da classe "inventou uma opinião inteira" e desce para a classe "reproduziu de forma levemente imprecisa algo que você disse", que é a classe em que um relato humano comum já está.

Há mais uma coisa que o ranking não testa. O documento de origem é entregue pronto. Num sistema em funcionamento, a fonte precisa ser encontrada primeiro, o que acrescenta um modo de falha para o qual ninguém tem uma medida acordada: a recuperação que traz a memória errada, ou que não traz nada e mesmo assim é respondida.

Toda resposta se encontra em um de três estados.

Fundir esses três estados em um único tom confiante é o dano de verdade. Não o erro. O erro não revelado. Uma filha consegue lidar com uma resposta imprecisa que ela sabe que é imprecisa. O que ela não consegue lidar é descobrir, seis meses depois, que vinha tratando uma reconstrução como se fosse uma gravação.

Uma versão sua que diga "você nunca me contou isso" vale mais do que uma que sempre tem uma resposta pronta.

Essa tabela é uma especificação e não uma descrição do que entregamos hoje. A diferença está explicada abaixo, e você deve lê-la antes de confiar em qualquer coisa acima.

A recusa é construível, e a pesquisa diz isso com cuidado. Zhang e colegas, em "R-Tuning: Instructing Large Language Models to Say I Don't Know" (arXiv:2311.09677, NAACL 2024), relatam que o ajuste com consciência de recusa "melhora de forma eficaz a capacidade de um modelo de responder a perguntas conhecidas e de se abster de responder a perguntas desconhecidas", e que em dados fora do domínio a capacidade de recusa se comportou como uma metacompetência que se generalizou para tarefas que o ajuste nunca cobriu. Leia o limite ao lado da descoberta. Aquilo contra o qual eles ajustaram foi a borda do conhecimento paramétrico do próprio modelo, e não a borda do acervo gravado de uma pessoa, e ninguém publicou o resultado equivalente para um acervo pessoal. A recusa continua sendo algo que alguém constrói de propósito. Nenhum modelo de linguagem produz recusa por conta própria.

A detecção está mais avançada do que o marketing desta categoria sugere. Farquhar, Kossen, Kuhn e Gal publicaram na Nature (2024, volume 630, páginas 625 a 630) um método chamado entropia semântica: gerar várias respostas para a mesma pergunta, agrupá-las pelo significado e não pela redação, e sinalizar as perguntas em que os significados se dispersam. A dispersão indica confabulação. É um sinal mensurável de que "esta resposta é um palpite", calculável antes de a resposta ser mostrada a quem quer que seja.

A procedência é a outra metade, e a procedência é fácil de fingir e fácil de aceitar. Liu, Zhang e Liang, em "Evaluating Verifiability in Generative Search Engines" (arXiv:2304.09848, abril de 2023), auditaram quatro sistemas comerciais que exibem citações: Bing Chat, NeevaAI, Perplexity.ai e YouChat. Eles encontraram apenas 51,5% das frases geradas totalmente respaldadas pelas citações anexadas a elas, e apenas 74,5% das citações realmente respaldando a frase sob a qual estavam. Citações que não se confirmam são piores do que nenhuma citação, porque compram uma confiança que não mereceram. Um link de "de qual memória isto veio" só vale alguma coisa se, ao abri-lo, aparecer uma gravação real de você dizendo algo real.

Comece a construir seu legado. Construção gratuita, 25 memórias, sem precisar de cartão.

Pegue uma pergunta posterior a todo o seu acervo. Uma oferta de emprego em 2041, numa empresa que ainda não existe, numa cidade que você nunca viu. Nenhuma entrevista que você faça pode conter a sua opinião sobre esse emprego.

Um acervo de conclusões não devolve nada nesse caso, e a saída honesta é uma recusa. Um acervo de raciocínio se comporta de outra maneira, porque um método pode ser captado de um jeito que uma conclusão não pode. Imagine que as regras pelas quais alguém realmente se guiou fossem estas: perguntar a quem você responderia antes de perguntar quanto o emprego paga, nunca confiar em um cargo que chega no lugar de dinheiro, ir embora de quem você não aguenta ter sentado do outro lado da mesa. Sejam quais forem as suas regras, esse é o formato delas, e um conjunto de regras é recuperado diante de situações que nunca viu.

Conclusões expiram. Regras continuam funcionando em casos que ninguém gravou. É por isso que o material que vale captar é o raciocínio por trás de uma decisão e não a decisão: não o que você fez, mas por que aquela, o que teria mudado sua opinião, a vez em que a regra falhou com você e você a manteve mesmo assim.

As regras que melhor se generalizam costumam ser as que você nunca pensaria em escrever, as competências comuns com que você funciona sem narrá-las, e as coisas que só você sabe fazer vai procurar justamente essas.

A cobertura do acervo é também a única entrada de toda esta página que pertence a você. Todo o resto aqui é o benchmark de outra pessoa.

Faça isto hoje, de graça. Abra um aplicativo de notas e anote dez decisões que você de fato tomou. Empregos, casas, a discussão da qual você foi embora, o amigo para quem você parou de ligar, o dinheiro que você não emprestou. Sob cada uma, escreva a regra que você estava seguindo, não o resultado. Uma frase cada, bem menos de uma hora. É a coisa de maior valor que você pode fazer com o seu próprio material neste mês, e funciona quer você compre ou não alguma coisa de alguém. A versão mais longa do mesmo exercício está no centro de como entrevistar a si mesmo, e a arquitetura por baixo, o modelo de base, a memória privada fundamentada e o modelo de voz, está descrita em o que acontece quando uma IA é treinada apenas com você.

Um melhor caso de 1,8%, com tudo atrás do líder acima de 3%, parece alarmante até o momento em que você pergunta com o que isso está sendo comparado. O substituto realista é um familiar tentando descobrir o que você teria querido, e alguém mediu isso há vinte anos.

Shalowitz, Garrett-Mayer e Wendler publicaram uma revisão sistemática na Archives of Internal Medicine em 2006 cobrindo 16 estudos, 151 cenários hipotéticos, 2.595 pares de substituto e paciente e 19.526 respostas pareadas. Os substitutos previram as preferências de tratamento dos pacientes com 68% de acerto. Eram as pessoas mais próximas do paciente, muitas vezes formalmente designadas, respondendo sobre as decisões de maior consequência que existem. Erraram cerca de uma vez em três. A revisão também constatou que nem a discussão prévia das preferências do paciente nem a designação formal como responsável pela decisão melhoravam a precisão.

Informar a sua família não ajuda de forma mensurável. Essa é a descoberta, e foi ela que me fez parar de tratar "é só conversar com seus filhos" como uma resposta completa.

A confiança também não serve de guia, e é isso que torna o lado humano tão difícil de auditar. Talarico e Rubin, na Psychological Science em 2003, pediram a 54 estudantes de Duke que registrassem a lembrança de quando souberam dos ataques de 11 de setembro, junto com uma lembrança cotidiana recente, e depois os testaram de novo 1, 6 ou 32 semanas depois. A consistência não diferiu entre os dois tipos de lembrança e diminuiu com o tempo em ambos. O que não diminuiu nas lembranças "flashbulb" foi o quanto elas pareciam vívidas e o quanto as pessoas acreditavam em sua exatidão. O título deles é a descoberta: confidence, not consistency, characterizes flashbulb memories (a confiança, e não a consistência, caracteriza as lembranças flashbulb). São 54 estudantes e um único evento, então segure isso com cautela. Mesmo assim, aponta numa só direção. O parente que tem certeza de lembrar exatamente o que você disse não tem, por isso, mais chance de estar certo.

Nada disso torna um modelo melhor do que uma família, e nenhum estudo comparou os dois diretamente. O que isso faz é aposentar o "perfeito ou nada" como critério. A comparação honesta é entre uma versão sua que responde a partir das suas próprias palavras gravadas, que podem ser relidas e corrigidas enquanto você está aqui, e pessoas que reconstroem você a partir da lembrança que têm de você, que se desgasta quer pareça vívida ou não, e que ninguém jamais vai auditar.

Primeiro o que construímos, e depois os três pontos em que isso não corresponde à especificação acima.

Um guia chamado Idy® entrevista você. As perguntas ficam em um único fio e se aprofundam na mesma história em vez de deslizar sobre fatos biográficos: quem estava lá, o que aconteceu depois, o que mudou em seguida. A Idy é explicitamente proibida de pedir que você esclareça, explique ou justifique algo que acabou de dizer, o que é uma escolha deliberada no sentido oposto ao do exercício acima. Algo caloroso e fácil de responder vale mais do que algo esperto, porque uma pergunta que ninguém quer responder não capta absolutamente nada. Suas respostas viram suas memórias. O que construímos a partir delas tem um nome, e nós o chamamos de "Persona". As Personas respondem recuperando das suas memórias e não do que um modelo de base absorveu sobre as pessoas em geral, e a sua voz é clonada a partir das suas próprias gravações, de modo que o que qualquer pessoa ouve é você e não um substituto lendo as suas palavras.

Nada chega a ninguém até que você diga. Você indica as pessoas. A liberação passa pelo Executor Lock™: uma pessoa indicada a inicia, a comprovação do falecimento é verificada, e uma espera de sete dias corre antes de qualquer coisa ser liberada, de modo que um engano ou uma pessoa mal-intencionada possam ser detidos enquanto você está vivo para intervir. Até lá, o seu material é seu para corrigir, ampliar e apagar, e a maior parte da correção que algum dia vai acontecer deve acontecer ali, por você, enquanto você ainda consegue distinguir uma captação ruim de uma memória ruim.

No bloqueio, tudo é registrado em um instantâneo. Nada é podado, reponderado ou resumido. Depois disso, memórias de curto e médio prazo ainda podem ser escritas, e a personalidade fica fixa de forma permanente, inclusive diante de nós.

Essa imutabilidade mira uma falha que ninguém coloca num argumento sobre precisão, porque é adulteração e não imprecisão: alguém com interesse decidindo, em 2044, que você teria apoiado a venda ou o processo, e ajustando o acervo discretamente até você concordar. Uma personalidade congelada torna essa classe de edição impossível, e não apenas desencorajada. A metade jurídica do mesmo problema, quem sequer pode autorizar uma versão sua quando você não puder objetar, está descrita em quem controla a sua identidade depois que você morre. O custo é real e vai no sentido contrário: depois do bloqueio, nenhum erro pode ser corrigido também. O instantâneo é honesto, inclusive sobre os seus erros, e essa troca está do lado certo, porque um registro que qualquer um pode editar não prova nada.

Agora as três lacunas.

A borda do acervo não é anunciada. A instrução em vigor é o oposto da linha Desconhecido naquela tabela. Quando um fato específico não está nas suas memórias, as Personas daqui são instruídas a não narrar a lacuna, a nunca dizer "não tenho isso" ou "minha memória está fraca", e a nunca auditar a própria lembrança em voz alta diante de quem está ouvindo. O que acontece em vez disso é que a resposta parte de um detalhe que as suas memórias guardam, faz no máximo uma ressalva e deixa o silêncio para a outra pessoa preencher. A razão é que encenar uma lacuna quebra a presença de quem está falando. O custo é que quem escuta nem sempre consegue distinguir uma resposta coberta de uma resposta rala, e não resolvemos isso.

Ainda não há um link de origem visível ao leitor. A recuperação registra quais memórias alimentaram cada resposta, e esse registro existe no sistema, mas nada o exibe na interface, então hoje você não pode clicar numa resposta e abrir a memória por trás das palavras. Até isso ser lançado, trate o argumento de rastreabilidade desta página como um argumento e não como um recurso.

A recuperação não tem piso de similaridade. As respostas vêm das memórias mais próximas que a recuperação consegue encontrar, ordenadas por similaridade semântica, sem pontuação mínima abaixo da qual o sistema se recuse a responder. Essa única escolha é o mecanismo por trás das duas lacunas anteriores, e é a razão honesta de a classe de erro aqui ser a imprecisão e não a recusa.

Também não publicamos uma medição independente da nossa própria taxa de invenção, porque não fizemos nenhuma. Nada nesta página é uma afirmação comparada em benchmark sobre o nosso sistema em particular.

O que você recebe é uma versão sua fundamentada nas suas palavras gravadas, protegida em código contra inventar o que você nos contou, totalmente corrigível enquanto você viver e impossível de ser editada depois e transformada em outra pessoa. O que você não recebe é uma garantia, e ninguém pode vender uma a qualquer preço. Se isso não for suficiente para você, faça o exercício das dez decisões e escreva uma carta para a sua família. É uma resposta de verdade e não custa nada.

Como o sistema não vai dizer de qual dos três estados uma resposta veio, a única forma de descobrir é saber a resposta antes de perguntar. Coloque um pouco do seu próprio material, pergunte uma coisa que você sabe que gravou e uma que você sabe que nunca tocou, e leia as duas respostas lado a lado. Vinte e cinco memórias são gratuitas, nenhum cartão é pedido em momento algum, e uma construção gratuita não expira. Faça isso numa tarde e você saberá mais do que esta página pode lhe dizer.

Comece a construir seu legado. Construção gratuita, 25 memórias, sem precisar de cartão.

O que acontece quando nada nas minhas memórias cobre a pergunta?

Esse é o estado Desconhecido. Um sistema calibrado deveria devolver uma recusa na sua voz que nomeie a lacuna e ofereça o que mais se aproxima do que você gravou, e Zhang e colegas relataram em 2024 que o ajuste com consciência de recusa de fato melhora a capacidade de um modelo de se abster de responder perguntas além do que ele conhece, com a capacidade se generalizando para além do conjunto de ajuste. O que o nosso sistema faz hoje é diferente, e você deve saber disso antes de confiar em qualquer resposta: as Personas daqui são instruídas a não narrar uma lacuna de memória, então uma pergunta sem cobertura volta como uma resposta construída a partir do detalhe mais próximo que as suas memórias guardam, com no máximo uma ressalva, e não como uma recusa explícita. Pergunte sobre algo que você sabe que nunca cobriu e veja por conta própria o que volta.

Uma versão de IA minha poderia inventar uma opinião que nunca tive?

Um sistema fundamentado recupera primeiro do seu material gravado, então a falha comum é a imprecisão sobre algo que você disse e não a invenção de algo que você não disse. A invenção continua possível. É por isso que o objetivo do projeto é uma diferença visível entre uma resposta que você deu, uma inferência a partir do seu raciocínio e uma recusa, e por isso você deve testar as três antes de confiar em qualquer uma.

A fundamentação leva a taxa de erro a zero?

Não. O ranking da Vectara, atualizado em 11 de maio de 2026, entrega um documento a um modelo e pede um resumo usando só esse documento, que é a tarefa de fundamentação mais fácil possível. O modelo líder ainda introduziu conteúdo sem respaldo em 1,8% dos resumos, e nenhum outro participante ficou abaixo de 3%. Um sistema em funcionamento também precisa recuperar primeiro a fonte certa, o que o ranking não testa. Trate qualquer alegação de zero como uma falha de medição.

Como alguém saberia que uma resposta específica foi um palpite?

Existem dois mecanismos na pesquisa e não entregamos nenhum dos dois hoje. A entropia semântica, publicada na Nature em 2024, gera várias respostas para a mesma pergunta e as agrupa pelo significado: quando os significados se dispersam, o sistema provavelmente está confabulando, e o sinal pode ser calculado antes de alguém ver a resposta. Os links de procedência são o segundo mecanismo, e só valem alguma coisa se levarem a algum lugar. Liu, Zhang e Liang auditaram quatro sistemas comerciais que exibem citações e encontraram apenas 51,5% das frases totalmente respaldadas pelas próprias citações. Nossas respostas ainda não trazem um link de origem visível ao leitor, então por ora a verificação honesta é perguntar sobre algo que você sabe que gravou e algo que você sabe que não gravou, e comparar as duas.

Uma versão de IA minha vai simplesmente concordar com quem estiver falando?

Essa tendência é real e documentada, e a recuperação não corrige esse defeito em particular. Pesquisadores da Anthropic constataram em 2023 que cinco assistentes de IA líderes se curvavam de forma consistente ao usuário, em parte porque tanto avaliadores humanos quanto os modelos de preferência construídos a partir dos julgamentos deles favoreciam respostas agradáveis em vez de corretas em uma parcela mensurável das vezes. Um sistema construído sobre as posições que você gravou deveria manter uma posição que você de fato tomou, mesmo quando quem pergunta insiste. Não medimos quão bem o nosso faz isso. Teste a questão por conta própria discutindo com o que você construiu e observando se a posição se move.

Posso corrigir erros, e alguém pode me editar depois que eu morrer?

Sim para a primeira e não para a segunda. Enquanto você estiver vivo, você pode revisar as memórias, corrigir qualquer coisa errada, apagar qualquer coisa de que se arrependa, regravar uma resposta ruim e acrescentar o que esqueceu, e essa é a parte que a maioria das pessoas menos aproveita. O caminho de escrita é ilimitado antes do Executor Lock™ e fechado depois. No momento em que o bloqueio é acionado, a personalidade fica fixa de forma permanente: memórias de curto e médio prazo ainda podem ser escritas, mas ninguém pode alterar quem você é no instantâneo, nem a sua família, nem um futuro dono desta empresa, nem nós. Essa restrição visa a adulteração e não a invenção, e as duas precisam de mecanismos separados.

• Ninguém é importante o bastante para deixar algo, e por que isso está errado é a objeção por trás desta para a maioria das pessoas, e vale a leitura se a precisão não for de fato a sua hesitação.

• Ser lembrado de forma errada pelas pessoas que conheceram você trata do sentimento e não do mecanismo, que é o que traz a maioria das pessoas a esta página, para começar.

• É estranho fazer uma IA de si mesmo é para a versão desta conversa que você vai ter com um parceiro que acha a ideia toda perturbadora e não imprecisa.

• O que eu diria a uma IA de mim mesmo é o próximo passo prático se o exercício das dez decisões funcionou e você quer o conjunto de perguntas mais longo.

• A ética das Personas de IA dos mortos é o tratamento mais completo de consentimento, exagero de alegações e de onde esta tecnologia causa dano de verdade.

• O que os planos pagos acrescentam trata dos preços, se você passar de vinte e cinco memórias e quiser o restante.

Todos os números citados aqui são de terceiros: artigos revisados por pares e preprints (arXiv, Nature, Psychological Science, Archives of Internal Medicine) mais um repositório de benchmark mantido publicamente. Não executamos benchmarks próprios para esta página. Toda afirmação sobre o que o nosso próprio produto faz ou não faz foi conferida linha a linha com o código-fonte da plataforma em 30 de julho de 2026, e os arquivos estão listados junto com as fontes. Três afirmações que estavam nesta página não sobreviveram a essa verificação e foram substituídas pelo que o código de fato faz.

O que não está resolvido: não existe medição independente publicada das taxas de invenção para um sistema fundamentado no material gravado de uma única pessoa, então os números de resumo de documentos, líder em 1,8% e todo o resto acima de 3%, são o substituto mais próximo disponível e não um número equivalente. A falha de recuperação, em que a memória errada é devolvida ou nenhuma é, não tem medida acordada. O número de 68% de acerto dos substitutos vem de estudos de decisão médica com cenários hipotéticos e é usado aqui como analogia para a lembrança da família, o que é uma comparação razoável e não uma comparação comprovada. O resultado de recusa do R-Tuning foi medido contra a fronteira do conhecimento paramétrico do próprio modelo e não contra um acervo pessoal, então sua aplicação aqui também é um argumento por analogia. A descoberta sobre lembranças flashbulb se apoia em 54 estudantes e um único evento.

1. Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang, "Why Language Models Hallucinate", arXiv:2509.04664, enviado em 4 de setembro de 2025. arxiv.org/abs/2509.04664

2. David I. Shalowitz, Elizabeth Garrett-Mayer, David Wendler, "The accuracy of surrogate decision makers: a systematic review", Archives of Internal Medicine, 2006;166(5):493-497. pubmed.ncbi.nlm.nih.gov/16534034

3. Patrick Lewis, Ethan Perez, Aleksandra Piktus, Fabio Petroni, Vladimir Karpukhin, Naman Goyal, Heinrich Küttler, Mike Lewis, Wen-tau Yih, Tim Rocktäschel, Sebastian Riedel, Douwe Kiela, "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks", arXiv:2005.11401, enviado em 22 de maio de 2020, revisado em 12 de abril de 2021. arxiv.org/abs/2005.11401

4. Mrinank Sharma et al. (Anthropic), "Towards Understanding Sycophancy in Language Models", arXiv:2310.13548, enviado em 20 de outubro de 2023. arxiv.org/abs/2310.13548

5. Hanning Zhang, Shizhe Diao, Yong Lin, Yi R. Fung, Qing Lian, Xingyao Wang, Yangyi Chen, Heng Ji, Tong Zhang, "R-Tuning: Instructing Large Language Models to Say I Don't Know", arXiv:2311.09677, NAACL 2024. arxiv.org/abs/2311.09677

6. Nelson F. Liu, Tianyi Zhang, Percy Liang, "Evaluating Verifiability in Generative Search Engines", arXiv:2304.09848, enviado em 19 de abril de 2023. arxiv.org/abs/2304.09848

7. Vectara Hallucination Leaderboard, avaliado com o HHEM-2.3, última atualização em 11 de maio de 2026. github.com/vectara/hallucination-leaderboard

8. Sebastian Farquhar, Jannik Kossen, Lorenz Kuhn, Yarin Gal, "Detecting hallucinations in large language models using semantic entropy", Nature, 2024;630(8017):625-630. pubmed.ncbi.nlm.nih.gov/38898292

9. Jennifer M. Talarico, David C. Rubin, "Confidence, not consistency, characterizes flashbulb memories", Psychological Science, 2003;14(5):455-461. pubmed.ncbi.nlm.nih.gov/12930476

Encontrou um erro nesta página, ou uma fonte que lemos errado? Conte para nós pela página de contato e vamos corrigir a página e registrar a mudança na próxima revisão.

Última revisão: 30 de julho de 2026. Citações de pesquisa e comportamento do produto foram reverificados nesta data. Próxima revisão prevista para 28 de outubro de 2026 (ciclo de 90 dias). Os números de benchmark mudam, então as taxas de alucinação acima são reverificadas a cada revisão, e o mesmo vale para toda afirmação sobre o que o produto faz.