Banca de DEFESA: REJANIO DAS NEVES DE MORAES FILHO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : REJANIO DAS NEVES DE MORAES FILHO
DATA : 28/08/2026
HORA: 09:00
LOCAL: Remoto
TÍTULO:

Arquitetura Baseada em Grafos de Estados para Sistemas de Recomendação Automotiva  com Grandes Modelos de Linguagem

PALAVRAS-CHAVES:

Sistemas de recomendação; Grandes Modelos de Linguagem; LangGraph; ReAct; Inteligência Artificial Generativa; Recuperação Aumentada por Geração; Recomendação automotiva

PÁGINAS: 100
RESUMO:

Os Modelos de Linguagem de Larga Escala (LLMs) têm ampliado as capacidades dos sistemas de recomendação ao possibilitar a interpretação de consultas em linguagem natural e a geração de respostas contextualizadas. Entretanto, aplicações em domínios especializados, como a recomendação automotiva, ainda enfrentam desafios relacionados ao elevado custo computacional do raciocínio profundo, à instabilidade de arquiteturas de orquestração baseadas em agentes autônomos e à degradação da qualidade das respostas diante de pequenas variações na formulação das consultas. Nesse contexto, este trabalho propõe e avalia uma arquitetura de recomendação automotiva baseada em Grafos de Estados (LangGraph), comparando seu desempenho ao paradigma tradicional de orquestração ReAct. A arquitetura desenvolvida integra informações provenientes do perfil do usuário, das características técnicas dos veículos e do histórico de sinistros, permitindo a construção de recomendações fundamentadas em múltiplos contextos. A avaliação experimental foi realizada utilizando sete modelos de linguagem executados localmente, variando entre 4 e 72 bilhões de parâmetros, considerando cinco consultas com diferentes níveis de complexidade, além de experimentos de sensibilidade e de ablação. O desempenho das arquiteturas foi analisado por meio de métricas computacionais, incluindo latência, consumo de tokens, throughput, verbosidade e densidade de raciocínio, bem como por métricas qualitativas baseadas em acurácia, BERTScore escore final. Os resultados demonstram que a arquitetura baseada em Grafos de Estados reduz a ocorrência de falhas de execução, aumenta a resilência das recomendações e diminui a sensibilidade dos modelos à ordem das restrições presentes na consulta e às informações demográficas do usuário. Além disso, verificou-se que modelos de menor porte, quando orquestrados pela arquitetura proposta, alcançam desempenho qualitativo equivalente ou superior ao de modelos maiores executando sob o paradigma ReAct. Os experimentos de ablação também evidenciaram que a compartimentalização do fluxo de execução e a redução da carga cognitiva associada a informações periféricas, mitigando a diluição da atenção do modelo, contribuem para aumentar a qualidade das recomendações em consultas mais complexas. Conclui-se que a orquestração estruturada por Grafos de Estados constitui uma alternativa eficiente para aumentar a robustez, a qualidade e a eficiência computacional de sistemas de recomendação baseados em LLMs, demonstrando que a engenharia do fluxo de execução pode exercer impacto tão relevante quanto a própria escala dos modelos de linguagem.

MEMBROS DA BANCA:
Presidente - 2885532 - IVANOVITCH MEDEIROS DANTAS DA SILVA
Externo ao Programa - 2249146 - CARLOS MANUEL DIAS VIEGAS - UFRNExterno à Instituição - JUAN MOISES MAURICIO VILLANUEVA - UFPB
Externa à Instituição - MARIANNE BATISTA DINIZ DA SILVA - UFAL