Este artigo apresenta um novo agendador de prompt hypergrafo auto‑supervisionado que utiliza aprendizado por reforço para orquestrar prompts adaptativos para a geração de narrativas regulatórias personalizadas em tempo real. Ao modelar prompts e conceitos regulatórios como um hypergrafo, o sistema seleciona e compõe prompts dinamicamente, entregando narrativas compatíveis e contextualmente conscientes em escala, enquanto melhora continuamente por meio de ciclos de auto‑feedback.
Este artigo apresenta uma arquitetura inovadora que combina ontologias regulatórias dinâmicas, síntese de prompt de poucos exemplos e orquestração edge‑cloud para gerar narrativas de conformidade precisas e em tempo real em múltiplas jurisdições. Ele explica o fluxo de dados, o papel da similaridade semântica, a modelagem de prompts e como o sistema se adapta ao desgaste regulatório mantendo a leveza necessária para aplicações sensíveis à latência.
