~/questoes/agentes-de-ia
Chunking é a prática de dividir documentos grandes em trechos menores e mais gerenciáveis dentro de um sistema RAG. Essa segmentação permite que o Vector Store recupere informações de forma mais precisa e contextualizada, evitando que trechos irrelevantes sejam retornados junto com os dados que realmente importam.
A alternativa correta reconhece que chunking segmenta documentos em trechos menores, garantindo que as recuperações sejam granulares (específicas) e contextuais (mantendo o significado). Sem chunking, um documento inteiro seria tratado como uma unidade única, dificultando buscas semânticas precisas.
Essa alternativa descreve corretamente o propósito do chunking: dividir documentos em unidades menores permite que o sistema RAG recupere exatamente o trecho relevante para cada query, não o documento inteiro. Isso melhora a precisão e mantém o contexto necessário para uma resposta útil.
Essa alternativa descreve o oposto do chunking. RAG justamente beneficia-se de processar trechos menores, não textos inteiros. Modelos de linguagem trabalham melhor com contextos focados e estruturados.
Chunking não é uma técnica de treinamento nem de paralelização de processadores. Ele ocorre na fase de ingestão de dados no Vector Store, não durante o treinamento do modelo de linguagem.
Chunking não comprime ou remove metadados desnecessários. É uma estratégia de segmentação semântica que mantém informações relevantes em cada trecho. Compressão de arquivos é um conceito diferente.