Autoconsistência: Múltiplos Caminhos de Raciocínio
Nesta página
Lição atualizada a 3 de novembro de 2026 com base na documentação da OpenAI:
temperatureetop_psó são aceites com um esforço de raciocínio denone, enquanto os modelos GPT-5.6 raciocinam por predefinição (medium). As chamadas que definem estes parâmetros devem, portanto, especificarreasoning={"effort": "none"}(API de Respostas) oureasoning_effort="none"(Chat Completions). Fontes: Utilizar o GPT-6 · GPT-5.6 Terra.
Autoconsistência: Múltiplos Caminhos de Raciocínio
A autoconsistência envolve gerar múltiplas respostas independentes para o mesmo prompt e, em seguida, selecionar a mais frequente ou coerente. O princípio é a votação: uma única chamada expõe-no à aleatoriedade de um mau sorteio, enquanto cinco chamadas fornecem uma distribuição que pode consultar. Esta técnica melhora significativamente a fiabilidade das respostas, especialmente em tarefas de raciocínio lógico e matemático.
O Problema que Resolve
Um LLM pode dar uma resposta diferente em cada chamada, mesmo com um prompt estritamente idêntico. Algumas dessas respostas estão corretas, outras não, e nada na saída indica qual está a ler: uma resposta errada é afirmada com a mesma confiança que uma certa. A autoconsistência transforma esta variabilidade numa vantagem. Se o modelo chegar à mesma conclusão através de vários caminhos de raciocínio diferentes, essa conclusão é provavelmente correta; um erro, pelo contrário, raramente se reproduz identicamente de um sorteio para o outro, pois depende precisamente do caminho percorrido.
Implementação Básica
O mecanismo tem três passos: gerar, extrair a resposta final, votar. O marcador >>> ANSWER: imposto nas instruções não é cosmético — é o que torna a saída analisável sem ter de interpretar o raciocínio que o precede. Sem esta âncora, teria de escrever uma heurística frágil para adivinhar onde termina a reflexão e começa a conclusão.
from openai import OpenAI
from collections import Counter
client = OpenAI()
def self_consistency(prompt: str, system: str = "",
n: int = 5, model: str = "gpt-5.6-terra") -> dict:
"""Gera n respostas e devolve a mais frequente."""
responses = []
for _ in range(n):
response = client.responses.create(
model=model,
reasoning={"effort": "none"}, # temperature requires effort none
instructions=system + "\nReason step by step, then give "
"your final answer after '>>> ANSWER:'",
input=prompt,
temperature=0.7 # Temperature > 0 for diversity
)
responses.append(response.output_text)
# Extrair respostas finais
answers = []
for r in responses:
if ">>> ANSWER:" in r:
answer = r.split(">>> ANSWER:")[-1].strip()
answers.append(answer)
# Votação por maioria
if answers:
counter = Counter(answers)
best_answer, count = counter.most_common(1)[0]
return {
"answer": best_answer,
"confidence": count / len(answers),
"all_answers": dict(counter),
"total_responses": len(answers)
}
return {"answer": None, "confidence": 0}
O Que a Votação Lhe Diz
Aplicada à classificação de sentimentos, a função devolve não apenas um rótulo, mas uma distribuição, e essa distribuição é muitas vezes mais valiosa do que o próprio rótulo. Para a crítica abaixo, que é genuinamente ambígua — o produto é bom, mas a entrega foi desastrosa — quatro chamadas votam «negativo» e três votam «neutro». A confiança de 57% indica que este caso pode merecer um tratamento especial: colocá-lo numa fila para revisão humana, pedir esclarecimentos ao utilizador ou simplesmente excluí-lo das estatísticas agregadas. Uma única chamada teria apresentado «negativo» sem nuances, e teria tratado este ticket exatamente como uma crítica unanimemente furiosa.
system = """You are a sentiment classifier.
Analyze the text and reason step by step.
Give your final answer after '>>> ANSWER:' choosing from:
positive, negative, neutral"""
text = "The product is fine but the delivery took 3 weeks."
result = self_consistency(text, system, n=7)
print(f"Sentiment: {result['answer']}")
print(f"Confidence: {result['confidence']:.0%}")
print(f"Distribution: {result['all_answers']}")
# Example output:
# Sentiment: negative
# Confidence: 57%
# Distribution: {'negative': 4, 'neutral': 3}
Versão Paralela com asyncio
O custo desta técnica não é apenas financeiro: cinco chamadas sequenciais significam também cinco vezes a latência, o que exclui esta abordagem em qualquer interface onde alguém esteja à espera diante do ecrã. No entanto, as chamadas são perfeitamente independentes; não há justificação para esperar por elas uma após a outra. O asyncio.gather reduz o tempo total ao da chamada mais lenta, tornando a autoconsistência compatível com uso online, com um overhead que se torna puramente monetário.
import asyncio
from openai import AsyncOpenAI
async_client = AsyncOpenAI()
async def self_consistency_async(prompt: str, system: str = "",
n: int = 5) -> dict:
"""Versão assíncrona da autoconsistência."""
async def single_call():
response = await async_client.responses.create(
model="gpt-5.6-terra",
reasoning={"effort": "none"}, # temperature requires effort none
instructions=system + "\nReason then give your answer "
"after '>>> ANSWER:'",
input=prompt,
temperature=0.7
)
return response.output_text
# Lançar todos os pedidos em paralelo
tasks = [single_call() for _ in range(n)]
results = await asyncio.gather(*tasks)
# Extrair e votar
answers = []
for r in results:
if ">>> ANSWER:" in r:
answers.append(r.split(">>> ANSWER:")[-1].strip())
counter = Counter(answers)
best, count = counter.most_common(1)[0] if answers else (None, 0)
return {
"answer": best,
"confidence": count / len(answers) if answers else 0,
"distribution": dict(counter)
}
Quando Utilizar a Autoconsistência
O critério de decisão é simples de enunciar: a votação só faz sentido se a resposta for discreta e comparável. Dois resumos bem escritos não podem ser contados, pois nunca serão idênticos caractere a caractere; dois rótulos de categoria podem.
| Caso de Uso | Útil? | Porquê |
|---|---|---|
| Classificação | Sim | Resposta discreta, votação simples |
| Raciocínio Matemático | Sim | Múltiplos caminhos para a resposta correta |
| Extração de Entidades | Sim | Consenso sobre as entidades detetadas |
| Escrita Criativa | Não | Não existe uma única resposta «correta» |
| Resumo de Texto | Parcial | Útil para factos-chave, não para o estilo |
Ajustar a Relação Custo/Fiabilidade
Três chamadas são o número mínimo viável para que uma votação por maioria tenha algum significado; cinco oferecem o melhor compromisso para a maioria das aplicações; sete a onze justificam-se para decisões críticas, onde um erro custa muito mais do que algumas chamadas extra. No entanto, o ganho real vem de como utiliza a pontuação de confiança, e não da contagem da amostra. Abaixo de 60%, considere que não há consenso e escale, seja para um operador humano ou para um modelo mais potente com mais amostras, como mostrado abaixo.
result = self_consistency(question, system, n=5)
if result["confidence"] < 0.6:
# Sem consenso claro, escalar
result = self_consistency(question, system, n=9, model="gpt-5.6-sol")
A questão restante é saber se o jogo vale a vela no seu caso específico, e isso deve ser medido, não assumido. Implemente a versão assíncrona, execute-a numa dúzia de perguntas de classificação de sentimentos onde conhece a resposta esperada e, em seguida, compare a precisão obtida com uma única chamada versus cinco chamadas. O valor que obtiver resolverá a questão do overhead para o seu caso específico, algo que nenhuma recomendação geral pode fazer por si.
Pontos-chave
- A autoconsistência gera múltiplas respostas e vota na melhor
- Utilize uma temperatura > 0 para obter diversidade
- Eficaz para tarefas com uma resposta discreta (classificação, cálculo)
- Inútil para tarefas criativas sem uma única resposta correta
- Paralelize as chamadas com asyncio para limitar a latência