FácilOpción múltiple

Pregunta de práctica de Generative AI Leader

Un desarrollador está utilizando Vertex AI Studio para probar prompts para un modelo de generación de texto. Quieren que el modelo siga un formato de salida específico (JSON). ¿Qué enfoque de ingeniería de prompts es el más efectivo?

Elige la mejor respuesta.

Respuesta correcta

  • BIncluir un ejemplo de pocas tomas (few-shot) del formato JSON exacto en el prompt.

Explicación

Incluir un ejemplo de pocas tomas (few-shot) del formato JSON exacto en el prompt proporciona al modelo un patrón concreto a seguir, lo que representa el método más confiable para hacer cumplir la salida estructurada en modelos generativos. El prompting de pocas tomas aprovecha el aprendizaje en contexto, donde el modelo utiliza el ejemplo proporcionado para inferir el esquema y las reglas de formato deseados, reduciendo la ambigüedad y mejorando la adherencia a la estructura JSON especificada.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Configurar las secuencias de parada en '}'.

Las secuencias de parada detienen la generación en un token; configurar '}' trunca la salida antes de la llave de cierre, produciendo un JSON inválido en lugar de hacer cumplir la estructura. Las secuencias de parada son adecuadas para controlar la longitud de la respuesta o terminar en delimitadores. El formato JSON confiable proviene de la decodificación limitada por esquemas o de instrucciones de formato explícitas en el prompt.

B

Correcta

Incluir un ejemplo de pocas tomas (few-shot) del formato JSON exacto en el prompt.

El prompting de pocas tomas suministra pares concretos de entrada-salida que demuestran el esquema JSON exacto, por lo que el modelo infiere los nombres de los campos, la anidación y los tipos en lugar de adivinar. Esto limita la generación a la estructura requerida de manera más confiable que describir el formato solo en texto en prosa.

C

Incorrecta

Configurar la instrucción del sistema como 'Always output JSON.'

Una instrucción de sistema que indica 'Always output JSON' es una instrucción flexible que el modelo puede no seguir de manera consistente, y no define ningún esquema, por lo que los campos y tipos permanecen sin restricciones. Las instrucciones del sistema son adecuadas para establecer la personalidad o el tono. Hacer cumplir la estructura JSON requiere un esquema de respuesta o una configuración de salida estructurada.

D

Incorrecta

Configurar la temperatura en 0 para hacer que la salida sea determinista.

La temperatura 0 hace que el muestreo sea determinista pero no restringe la salida a la sintaxis JSON; el modelo aún puede emitir prosa o JSON malformado. La temperatura controla la aleatoriedad, útil para la clasificación o extracción reproducible. Garantizar el formato JSON requiere una decodificación limitada por esquemas, no parámetros de muestreo.

Para profundizar

El prompting de pocas tomas coloca uno o más ejemplares de entrada-salida directamente en el prompt, para que el modelo se condicione a la estructura demostrada y la refleje. Para la salida JSON, mostrar un ejemplo completo con las claves exactas, la anidación y los tipos de valor es mucho más confiable que una instrucción sola, debido a que los modelos de lenguaje grandes son completadores de patrones e imitan el formato que observan. Esto importa cuando el código posterior analiza la respuesta: una llave faltante o texto adicional rompe el analizador. La temperatura 0 reduce la aleatoriedad del muestreo pero no garantiza la conformidad con el esquema, las secuencias de parada solo truncan en un token y una instrucción de sistema como 'Always output JSON' es más débil que un ejemplo concreto. Vertex AI también ofrece generación controlada con esquemas de respuesta para un cumplimiento más estricto.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de Generative AI Leader 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.