<aside> 🧠
Cómo usar este cuestionario
Antes de desplegar la respuesta, intenta justificar tu decisión en voz alta. No basta con nombrar el concepto: explica por qué aplica y, cuando corresponda, por qué descartarías las alternativas.
</aside>
Escenario: Una empresa farmacéutica quiere que su modelo aprenda 500 GB de nuevos artículos de investigación médica publicados este año para incorporar ese conocimiento general al modelo base sin alterar su función principal.
Pregunta: ¿Qué técnica de entrenamiento se debe aplicar para ampliar el conocimiento base general del modelo?
Escenario: Un sitio web de comercio internacional utiliza un modelo para traducir descripciones de productos del inglés al japonés. El equipo técnico necesita una métrica automática estándar para medir la superposición de n-gramas entre la traducción generada y la referencia.
Pregunta: ¿Qué métrica automática de evaluación de texto es la opción estándar recomendada para traducción?
Escenario: En la evaluación de un modelo generativo, la respuesta de referencia es "El comprador solicitó la devolución del dinero por falla en el equipo". El modelo genera "El cliente pidió el reembolso porque el aparato no funcionaba". Las métricas basadas en coincidencias exactas le otorgan un puntaje muy bajo.
Pregunta: ¿Qué métrica basada en similitud semántica mediante embeddings se debe utilizar para capturar que ambas frases expresan el mismo significado?
Escenario: Una startup utiliza un modelo masivo de 175 mil millones de parámetros para clasificar mensajes de soporte técnico. La calidad es excelente, pero la latencia de respuesta y los costos de inferencia son insostenibles. Quieren entrenar un modelo más pequeño de 7 mil millones de parámetros para que imite al modelo grande.
Pregunta: ¿Qué técnica de personalización permite a un modelo estudiante aprender del comportamiento de un modelo maestro para reducir costos y latencia a escala?