- Ejecutores
-
Aprender
Aprender Python Ejemplos ejecutables, NumPy, pandas y más Aprender IA / Machine LearningRedes neuronales, ML y LLM desde cero Aprender C y C++ Punteros, memoria, STL y C++ moderno Aprender C#Fundamentos, POO, LINQ, async y ejercicios de .NET Aprender MatplotlibGráficos de líneas, barras, dispersión y sectores con visualizadores Aprender RustOwnership, traits, manejo de errores e hilos Aprender GoSlices, interfaces, goroutines y canales Algoritmos en Python Búsqueda, ordenación, recursión y visualizadores O(n) Algoritmos en C y C++ Compara implementaciones en C y C++ Programación para niños ¡Aprende a programar jugando!
- QuizzesNuevo
- RetosNuevo
- Para docentesNuevo
- Actualizaciones
- Invítame a un café
Quiz de AI & Machine Learning: Fine-tuning y RAG
El fine-tuning (ajuste fino) y la generación aumentada por recuperación (RAG) son las dos formas principales de adaptar un modelo de lenguaje a tus datos y a tu tarea. Este quiz comprueba cuándo encaja cada una, cómo funcionan los métodos eficientes en parámetros como LoRA y las trampas prácticas del chunking, los embeddings y la recuperación.
Pregunta de ejemplo
Pregunta 1 de 10¿Qué hace la generación aumentada por recuperación (RAG)?
Ver la respuesta
B. En el momento de la petición busca documentos relevantes para la pregunta y los pone en el prompt para que el modelo responda a partir de ellos RAG añade un paso de recuperación antes de la generación: busca en tu base de conocimiento y luego da los mejores pasajes al modelo como contexto. Los pesos del modelo no cambian.
Qué cubre este quiz
- Qué es RAG y cuándo supera al fine-tuning
- Para qué sirve el fine-tuning, y el olvido catastrófico
- LoRA y el fine-tuning eficiente en parámetros
- Chunking, modelos de embeddings y búsqueda híbrida
- Depurar un pipeline de RAG paso a paso
Preguntas frecuentes
¿Necesito una cuenta?
No. Cualquiera puede jugar. Inicia sesión para guardar tu XP, racha, insignias e historial.
¿Puedo repetirlo?
Sí. Se guarda tu mejor puntuación, y las preguntas y respuestas se mezclan cada vez.