Respuesta correcta
- BAjustar (fine-tune) un modelo con descripciones de productos históricas y utilizar ingeniería de instrucciones (prompt engineering) con pautas de marca.
Explicación
Ajustar (fine-tune) un modelo con descripciones de productos históricas alinea el modelo con la voz de marca específica y el lenguaje de dominio de la empresa, mientras que la ingeniería de instrucciones (prompt engineering) con pautas de marca proporciona directrices explícitas para cada generación. Esta combinación garantiza la coherencia y reduce las imprecisiones fácticas al basar el modelo en ejemplos verificados e instrucciones estructuradas, lo cual es más eficaz que los sistemas basados en reglas o la posprocesamiento por sí solo.
Para profundizar
El ajuste fino (fine-tuning) adapta los pesos de un modelo base a un corpus de dominio, por lo que un modelo ajustado con descripciones históricas de productos aprende el tono, la terminología y la estructura típica de la marca, mientras que la ingeniería de instrucciones proporciona directrices y restricciones explícitas en el momento de la inferencia. Combinar ambos es eficaz porque el ajuste fino captura patrones estilísticos que son difíciles de expresar en una instrucción, y el uso de instrucciones (prompting) aplica requisitos por solicitud como la longitud, afirmaciones prohibidas o atributos requeridos. La precisión fáctica aún requiere fundamentación (grounding), por ejemplo, mediante la inyección de atributos de productos verificados en la instrucción, y un paso de revisión humana o automatizada detecta errores residuales. Un matiz es que el ajuste fino con copias históricas no verificadas puede propagar imprecisiones existentes o afirmaciones obsoletas, por lo que el corpus de entrenamiento en sí debe ser curado antes de que se confíe en que el modelo genere texto dirigido al cliente a escala.
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.