Respuestas correctas
- CUsar un conjunto de datos de entrenamiento más diverso
- DUsar filtros de seguridad
- EAplicar ingeniería de instrucciones para indicar al modelo que sea justo
Explicación
La opción C es correcta porque un conjunto de datos de entrenamiento más diverso reduce el sesgo de representación al exponer al modelo a una gama más amplia de demografías, culturas, idiomas y puntos de vista, de modo que la distribución aprendida esté menos sesgada hacia un grupo dominante. La opción D es correcta porque los filtros de seguridad (por ejemplo, clasificadores de moderación de contenido, detectores de toxicidad o barreras de protección contra sesgos aplicadas a las indicaciones y las salidas) pueden detectar y bloquear generaciones sesgadas o dañinas, mitigando el sesgo en el momento de la inferencia. La opción E es correcta porque la ingeniería de instrucciones que indica explícitamente al modelo que sea justo, neutral o inclusivo (por ejemplo, indicaciones de sistema que especifican una representación equilibrada) orienta la generación hacia resultados menos sesgados sin necesidad de reentrenamiento. La opción A no es correcta porque restringir las indicaciones al inglés reduce el alcance lingüístico y cultural, lo que puede amplificar el sesgo en lugar de reducirlo. La opción B no es correcta porque aumentar el tamaño del modelo por sí solo no elimina el sesgo e incluso puede amplificar los sesgos presentes en los datos de entrenamiento.