# Comportamento e Precisão do Modelo

Zoom AI Companion é alimentado por uma combinação de modelos de linguagem de grande porte proprietários e de terceiros (LLMs), concebidos para fornecer inteligência contextual em todos os produtos da Zoom. As secções seguintes descrevem as práticas da Zoom relativas a dados de treinamento, gestão de alucinações e afinação do desempenho do sistema.

### <mark style="color:azul;">A Zoom não utiliza conteúdo de clientes para treinamento de modelos</mark>

A Zoom **não** utiliza conteúdo de clientes semelhante a comunicações — como áudio, chat, compartilhamento de tela, quadros brancos ou reações — para treinamento de quaisquer modelos da Zoom ou de terceiros.

A Zoom treina os seus modelos usando:

* Dados de domínio público
* Conjuntos de dados de terceiros adquiridos
* Materiais de treinamento criados pela Zoom

A Zoom analisa os conjuntos de dados para determinar se foram obtidos legalmente e se a licença é aplicável ao uso proposto pela Zoom. Observe que também utilizamos fornecedores de modelos de terceiros, como OpenAI e Anthropic, como parte do nosso modelo federado. Consulte qualquer informação que eles forneçam sobre os dados de treinamento.

### <mark style="color:azul;">A IA generativa pode alucinar</mark>

Tal como acontece com qualquer modelo generativo, o AI Companion pode gerar resultados factualmente incorretos ou irrelevantes (alucinações). A Zoom recomenda rever os resultados cuidadosamente. A Zoom reduz as alucinações por meio de:

* Testar modelos em casos de uso reais
* Melhorar o contexto por meio de geração aumentada por recuperação (RAG)
* Aprimorar o suporte a idiomas com pipelines de tradução (por exemplo, inglês para espanhol)

### <mark style="color:azul;">O desempenho do AI Companion é monitorizado e ajustado</mark>

A Zoom monitoriza regularmente o desempenho dos modelos, acompanha métricas de qualidade e atualiza os sistemas internos para melhorar a precisão e a transparência. Embora a explicabilidade seja limitada pelo design do modelo, regressões de desempenho são resolvidas por meio de testes e ciclos de atualização.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://library.zoom.com/technical-library/pt/zoom-workplace/artificial-intelligence/artificial-intelligence-bluepaper/security-and-compliance/model-behavior-and-accuracy.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.