Respuesta correcta
- AUtilice la ingeniería de prompts para incluir el glosario en cada solicitud de traducción.
Explicación
La ingeniería de prompts permite a la empresa inyectar el glosario directamente en la ventana de contexto del foundation model con cada solicitud de traducción. Este enfoque no requiere reentrenamiento del modelo ni cambios en la infraestructura, lo que permite una mejora rápida simplemente añadiendo las traducciones aprobadas como instrucciones o ejemplos de few-shot. Es el método más rápido y con menor esfuerzo para aplicar la terminología específica de la empresa sin alterar el modelo subyacente.
Para profundizar
Elegir cómo adaptar un foundation model implica un equilibrio entre esfuerzo, costo y la profundidad con la que cambia el comportamiento del modelo. En orden de esfuerzo creciente: la ingeniería de prompts, que cambia las instrucciones y el contexto en cada solicitud; la generación aumentada por recuperación (RAG), que añade información relevante recuperada de una fuente de conocimiento; y el fine-tuning o preentrenamiento continuado, que cambian los pesos del modelo con datos de entrenamiento. Aquí el problema es un glosario conocido y finito, traducciones aprobadas para términos específicos, y el requisito es mejorar rápidamente con el mínimo esfuerzo. Incluir el glosario en el prompt, con instrucciones como 'Utiliza las siguientes traducciones aprobadas para los términos de la empresa y no traduzcas los nombres de los productos', le da directamente al modelo lo que le falta, sin entrenamiento, preparación de datos ni nueva infraestructura. Esa es la opción A. Los ejemplos de few-shot que muestran oraciones traducidas correctamente lo refuerzan, y una plantilla de prompt de Bedrock lo mantiene consistente. Si el glosario crece mucho, recuperar solo los términos que aparecen en cada documento mantiene los prompts cortos y el costo bajo. El fine-tuning (opción C) necesita un conjunto de datos bilingües preparado, tiempo de entrenamiento, costo y rendimiento aprovisionado para el modelo personalizado, lo cual es demasiado para este problema, y aun así podría no utilizar de manera fiable los términos exactos aprobados. Un modelo más grande (opción B) comprende mejor el idioma pero sigue sin conocer la terminología privada. Amazon Translate con terminología personalizada (opción D) es una opción sólida diseñada específicamente para la traducción basada en glosarios, pero significa reemplazar la solución existente basada en Bedrock en lugar de mejorarla, por lo que no es la respuesta de mínimo esfuerzo aquí. Para el examen AI Practitioner, comience con la ingeniería de prompts y pase a RAG o fine-tuning solo cuando esto no sea suficiente.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de AIF-C01 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.