📝 **Pergunta:** Finja que um juiz do LLM já anotou cada frase com o trecho de origem que a suporta (ou \`None\` para não suportada). **Escreva a função** \`groundedness_score(annotated_sentences)\` que retorna \`(percent_grounded, hallucinations)\`: - \`percent_grounded\` — parcela de sentenças com fonte diferente de None, arredondada para **uma casa decimal**. - \`alucinações\` — lista de strings de \`texto\` de frases sem fonte. Em seguida, execute o portão nesta resposta de 5 frases e imprima o relatório: \`\`\` Aterrado: 60,0% Alucinações: 2 - Você receberá $ 500 em crédito na loja. - Reembolsos no mesmo dia são garantidos. FLAG para revisão humana \`\`\` Limite: \`>= 90.0\` → \`SHIP\`, caso contrário \`FLAG para revisão humana\`. 60% significa que 3 de 5 frases são fundamentadas – duas são alucinações que o modelo inventou. Na produção, esse portão é a diferença entre uma “alucinação ocasional” e um incidente visível ao regulador. 📋 Escolha a resposta certa. 💡 **Dica:** Releia a teoria acima se não tiver certeza.