Respuesta correcta
- AAmazon Bedrock con Retrieval Augmented Generation (RAG)
Explicación
Amazon Bedrock con Retrieval Augmented Generation (RAG) es la opción correcta porque permite que el modelo de IA generativa acceda e incorpore la documentación de producto más reciente desde una base de conocimiento externa sin reentrenamiento. RAG funciona recuperando fragmentos de documentos relevantes en el momento de la inferencia e inyectándolos en el contexto del modelo, lo que garantiza que las respuestas reflejen la información actual. Esto cumple directamente con el requisito de mantenerse actualizado con la documentación en evolución, al tiempo que evita el costo y la latencia de un reentrenamiento completo del modelo.
Para profundizar
El patrón RAG de Amazon Bedrock desacopla el conocimiento de los pesos del modelo: el modelo base permanece congelado mientras un almacén de vectores (comúnmente Amazon OpenSearch Serverless, Aurora pgvector o Knowledge Bases for Amazon Bedrock) contiene fragmentos incrustados de la documentación de su producto. En la inferencia, la consulta del usuario se incrusta con el mismo modelo de incrustación (por ejemplo, Amazon Titan Embeddings o Cohere Embed), una búsqueda de similitud recupera los fragmentos principales y esos fragmentos se inyectan en el prompt como contexto antes de que el FM genere el resumen. Debido a que el índice se actualiza de forma independiente, actualizar la documentación significa volver a ingerir y volver a incrustar los archivos modificados, no reentrenar. Un límite sutil que vale la pena conocer: la calidad de la recuperación está limitada por la estrategia de fragmentación y la dimensionalidad de las incrustaciones, y los fragmentos obsoletos o duplicados degradan silenciosamente las respuestas. Esto importa cuando los tickets de soporte hacen referencia a características recién lanzadas posteriores al corte de entrenamiento del modelo.
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.