# Comportamento e precisão do modelo

O Zoom AI Companion é alimentado por uma combinação de modelos de linguagem de grande porte (LLMs) proprietários e de terceiros, projetados para fornecer inteligência contextual em todos os produtos da Zoom. As seções a seguir descrevem as práticas da Zoom para dados de treinamento, gerenciamento de alucinações e ajuste de desempenho do sistema.

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

A Zoom **não** usa conteúdo de clientes semelhante a comunicações — como áudio, chat, compartilhamento de tela, whiteboards ou reações — para treinar quaisquer modelos da Zoom ou de terceiros.

A Zoom treina seus modelos usando:

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

A Zoom revisa os conjuntos de dados para determinar se foram obtidos legalmente e se a licença se aplica ao uso proposto pela Zoom. Observe que também usamos provedores de modelos de terceiros, como OpenAI e Anthropic, como parte do nosso modelo federado. Consulte quaisquer informações que eles forneçam sobre dados de treinamento.

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

Como acontece com qualquer modelo generativo, o AI Companion pode gerar resultados que são factualmente incorretos ou irrelevantes (alucinações). A Zoom recomenda revisar os resultados com atenção. A Zoom reduz as alucinações por meio de:

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

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

A Zoom monitora regularmente o desempenho dos modelos, rastreia métricas de qualidade e atualiza sistemas internos para melhorar a precisão e a transparência. Embora a explicabilidade seja limitada pelo design do modelo, regressões de desempenho são tratadas por meio de ciclos de testes e atualizações.