MediaOpción múltiple

Pregunta de práctica de AIF-C01

Una empresa utiliza Amazon Bedrock para generar resúmenes de informes extensos. Los usuarios informan que los resúmenes son demasiado prolijos e incluyen detalles excesivos. ¿Qué técnica de ingeniería de prompts debe aplicar el equipo para abordar este problema?

Elige la mejor respuesta.

Respuesta correcta

  • DAgregar restricciones explícitas como 'Proporcione un resumen conciso en dos oraciones'.

Explicación

Agregar restricciones explícitas como 'Proporcione un resumen conciso en dos oraciones' instruye directamente al modelo para que limite la verbosidad y el detalle. Esta técnica de ingeniería de prompts utiliza instrucciones claras y específicas para controlar la longitud y el estilo de la salida, lo que constituye la forma más eficaz de abordar resúmenes excesivamente prolijos sin alterar los parámetros del modelo ni los datos de entrada.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Reducir la longitud del contexto de entrada para limitar la información disponible.

Acortar la entrada elimina el contenido de origen, lo que degrada la precisión del resumen y omite secciones del informe en lugar de reducir el detalle. El recorte de contexto es adecuado para ajustarse a los límites de tokens; la verbosidad se rige por las instrucciones del prompt, por lo que especificar una longitud de resumen concisa aborda el problema sin descartar información.

B

Incorrecta

Aumentar el parámetro maxTokens en la solicitud de inferencia.

maxTokens establece un límite superior para el total de tokens generados, truncando la salida a mitad de oración en lugar de hacer que el modelo resuma de manera concisa. Es adecuado para acotar costos o evitar la generación descontrolada; reducir la verbosidad requiere una instrucción a nivel de prompt que especifique la longitud del resumen, ya que el truncamiento produce oraciones incompletas, no resúmenes más ajustados.

C

Incorrecta

Incluir ejemplos de few-shot de las salidas deseadas.

Los ejemplos de few-shot moldean el tono, el formato y el estilo, pero la verbosidad surge de instrucciones que permiten un detalle excesivo, por lo que los ejemplos por sí solos no restringirán la longitud. Few-shot es adecuado para enseñar la estructura de salida o etiquetas de clasificación; aquí, una instrucción como limitar el resumen a un número determinado de oraciones controla directamente el detalle.

D

Correcta

Agregar restricciones explícitas como 'Proporcione un resumen conciso en dos oraciones'.

Agregar restricciones explícitas de longitud controla directamente la verbosidad de la salida del modelo, que es el problema planteado. A diferencia de instrucciones vagamente formuladas como "sé breve", especificar "dos oraciones" le da a Amazon Bedrock un objetivo concreto que el modelo puede satisfacer durante la generación, ajustando el resumen sin alterar el contenido del informe subyacente ni requerir el reentrenamiento del modelo.

Para profundizar

Amazon Bedrock pasa prompts a foundation models donde la longitud de la salida está limitada por maxTokens, pero ese parámetro limita la generación en lugar de dar forma al estilo, por lo que aumentarlo empeora la verbosidad. Las restricciones explícitas de longitud y formato en el prompt actúan como instrucciones sobre las cuales el modelo se acondiciona, y los ejemplos de few-shot demuestran el patrón de compresión objetivo de forma más fiable que la prosa por sí sola. Un comportamiento sutil: los modelos ponderan las instrucciones posteriores con mayor peso, por lo que colocar 'dos oraciones' al final del prompt mejora la adherencia. En una canalización de resumen real, combinar una instrucción concisa con uno o dos resúmenes de ejemplo reduce el costo de tokens y la latencia mientras mantiene los hechos clave, lo que importa al procesar miles de informes bajo las cuotas de Bedrock.

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.