Quiz de AI & Machine Learning: Tokenización y embeddings

Antes de que un modelo de lenguaje pueda leer nada, el texto se divide en tokens y cada token se asocia a un vector. Este quiz comprueba cómo funcionan los tokenizadores de subpalabras como BPE, qué son los embeddings (representaciones vectoriales) y por qué explican algunos comportamientos sorprendentes de los LLM.

Media 10 preguntas ~6 minutos Se aprueba con 80%

Elige un modo

Juegas como invitado: inicia sesión para guardar tu XP y tu racha.

Pregunta de ejemplo

Pregunta 1 de 10

¿Por qué la mayoría de los modelos de lenguaje modernos usan tokenización en subpalabras en lugar de un token por palabra completa?

Ver la respuesta

B. Un vocabulario de tamaño fijo puede seguir representando palabras raras o nunca vistas dividiéndolas en piezas conocidas Un vocabulario de palabras completas sería enorme y aun así no cubriría palabras nuevas, erratas ni nombres. Las subpalabras mantienen el vocabulario manejable: las palabras comunes siguen siendo un token y las raras se dividen en piezas como token + ization.

Qué cubre este quiz

  • Por qué la tokenización en subpalabras es mejor que usar palabras enteras o caracteres sueltos
  • Cómo construye su vocabulario el byte pair encoding (BPE)
  • Los embeddings como vectores densos aprendidos y la similitud coseno
  • Embeddings estáticos frente a contextuales
  • Rarezas de los tokens, como contar letras o el texto en idiomas distintos del inglés

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.