Examen de Inteligencia Artificial Generativa: LLM y RAG
Preguntas del examen
¿Qué significa LLM en el contexto de inteligencia artificial?
¿Qué es un token en el procesamiento de texto de un modelo de lenguaje?
¿Qué papel cumple el mecanismo de atención en los modelos Transformer?
¿Qué es un embedding en sistemas de inteligencia artificial?
¿Qué busca una búsqueda semántica basada en embeddings?
¿Qué significa RAG en inteligencia artificial generativa?
¿Qué significa que un modelo generativo produzca una alucinación?
¿Qué efecto suele tener aumentar el parámetro de temperatura en un sistema de generación de texto que utiliza muestreo dependiente de temperatura?
¿Qué caracteriza al fine-tuning de un modelo de inteligencia artificial?
¿Qué práctica es adecuada al desarrollar una aplicación que envía información a un modelo de inteligencia artificial externo?
Solucionario con explicaciones
(ver respuestas)
- ¿Qué significa LLM en el contexto de inteligencia artificial?
Respuesta: c) Large Language Model, o modelo de lenguaje de gran tamaño.
Un LLM es un modelo de lenguaje entrenado con grandes cantidades de datos para realizar tareas relacionadas con el lenguaje.
- ¿Qué es un token en el procesamiento de texto de un modelo de lenguaje?
Respuesta: a) Una unidad de texto definida por el tokenizador que puede representar palabras, partes de palabras u otros fragmentos.
Los tokenizadores dividen la información en unidades que el modelo procesa mediante representaciones numéricas.
- ¿Qué papel cumple el mecanismo de atención en los modelos Transformer?
Respuesta: d) Permitir que las representaciones incorporen información relevante de distintas posiciones de la secuencia.
La atención permite ponderar información de distintas posiciones al construir representaciones contextuales.
- ¿Qué es un embedding en sistemas de inteligencia artificial?
Respuesta: b) Una representación vectorial numérica que captura determinadas características de un elemento.
Los embeddings representan información mediante vectores que pueden utilizarse para comparar relaciones o similitudes.
- ¿Qué busca una búsqueda semántica basada en embeddings?
Respuesta: e) Recuperar información relacionada con el significado de una consulta, incluso sin coincidencia exacta de palabras.
La búsqueda semántica utiliza representaciones que permiten identificar proximidad de significado entre consultas y documentos.
- ¿Qué significa RAG en inteligencia artificial generativa?
Respuesta: c) Retrieval-Augmented Generation, o generación aumentada por recuperación.
RAG combina la recuperación de información externa con un proceso de generación de respuestas.
- ¿Qué significa que un modelo generativo produzca una alucinación?
Respuesta: a) Que genera una afirmación falsa o no respaldada presentada como si fuera correcta.
Las alucinaciones son respuestas generadas que pueden parecer plausibles, pero contienen información incorrecta o sin respaldo.
- ¿Qué efecto suele tener aumentar el parámetro de temperatura en un sistema de generación de texto que utiliza muestreo dependiente de temperatura?
Respuesta: d) Hacer más variable la selección probabilística de tokens, sin garantizar mayor exactitud.
Una temperatura mayor suele producir una distribución de muestreo menos concentrada, aumentando la variedad de posibles respuestas.
- ¿Qué caracteriza al fine-tuning de un modelo de inteligencia artificial?
Respuesta: b) Continuar el entrenamiento o adaptar parámetros del modelo utilizando datos adecuados para una tarea o dominio.
El fine-tuning adapta parámetros de un modelo mediante un proceso adicional de entrenamiento.
- ¿Qué práctica es adecuada al desarrollar una aplicación que envía información a un modelo de inteligencia artificial externo?
Respuesta: e) Minimizar los datos enviados y proteger la información personal y los secretos conforme a los requisitos aplicables.
La minimización de datos y los controles de privacidad y seguridad reducen riesgos al integrar servicios de inteligencia artificial.
Sobre este examen
- Preguntas: 10 de opción múltiple con una sola respuesta correcta
- Tiempo recomendado: unos 15 minutos (1,5 min por pregunta)
- Corrección: automática, con explicación de cada respuesta
- Alternativas: a) a e), con una respuesta correcta
Qué evalúa: Practica diez preguntas sobre modelos de lenguaje, tokens, transformers, embeddings, búsqueda semántica, RAG y evaluación de respuestas generadas.
¿Quieres crear un examen como este sobre otro tema?
Convierte tus apuntes en preguntas de examen.
https://generadordeexamenes.com/examen-de-inteligencia-artificial-generativa-llm-y-ragCompartir en redes sociales: