LLM com RAG no apoio à decisão técnico-jurídica na gestão da propriedade intelectual e da inovação: uma revisão sistemática da literatura — Apêndices A–F

Materiais de apoio de uma revisão sistemática da literatura relatada conforme o PRISMA 2020. OBJETIVO DA REVISÃO. Mapear arquiteturas de modelos de linguagem de grande escala com geração aumentada por recuperação (LLM+RAG) no apoio à decisão técnico-jurídica na gestão da propriedade intelectual e da inovação. Buscas em Scopus e Web of Science (Core Collection), última busca em 20/07/2026. De 825 registros, 578 triados, 35 estudos incluídos. O QUE HÁ NESTE DEPÓSITO. Os seis apêndices da revisão, citados um a um pela seção 3 do artigo: A. Strings de busca completas por base, com os filtros de faceta e o histórico de calibração v1 a v3.B. Prompt padronizado da triagem por título e resumo, em transcrição literal, com os parâmetros de execução do lote.C. Corpus dos 35 estudos incluídos: a referência completa de cada um e a tabela-mestra do item 17 do PRISMA 2020, estudo por estudo.D. Checklist de qualidade metodológica QA1 a QA8, com a redação integral e a regra de pontuação.E. Nota de procedimento: as quatro reconsiderações posteriores à elegibilidade e os gatilhos de conferência da leitura assistida.F. Nota de procedimento: o detalhe operacional da seleção, da obtenção dos textos completos, da leitura assistida e do formulário de extração. O mesmo conteúdo está em apendices-a-f.docx (Word) e apendices-a-f.md (Markdown, editável). O arquivo LEIA-ME.md descreve o depósito. O QUE NÃO ESTÁ AQUI. O protocolo com histórico de versões e atas de cada emenda, as planilhas de triagem e de extração, as fichas de leitura, as saídas brutas do modelo e o comando analítico (os scripts de apuração e a rotina de deduplicação em R) ficam disponíveis mediante solicitação aos autores, como declara a seção 3.7 do artigo. Os PDFs dos textos completos não são redistribuídos: são obras de editoras. USO DE MODELOS DE LINGUAGEM. Cada chamada ao modelo gerou uma linha de log com data e hora, identificação e versão do modelo, temperatura, hash SHA-256 da entrada e resposta bruta. Na triagem, o modelo foi segunda opinião independente e as divergências foram arbitradas por revisor humano (Apêndice B). Na avaliação de texto completo, o modelo não decidiu inclusão: gerou ficha descritiva com citação verbatim e localização, conferida no original pelos revisores antes de decidir (Apêndices E e F).