¿Qué es la Personalización de Modelos de Fundación?
Los Modelos de Fundación (FM) como Claude, GPT y Titan están preentrenados con enormes cantidades de texto de internet — excelentes para tareas generales, pero con conocimiento limitado del dominio específico de tu negocio.
Piensa en un recién graduado universitario: bases sólidas, pero necesita capacitación específica del trabajo. La personalización de FM es el mismo concepto.
---
Comparación de Métodos de Personalización
| Método | Descripción | Costo | ¿Actualiza pesos? | |--------|-------------|-------|------------------| | Ingeniería de Prompts | Solo ajusta entradas | Muy bajo | No | | RAG | Recupera docs externos + añade al prompt | Bajo | No | | Instruction Tuning | Ajuste fino con pares instrucción-respuesta | Medio | Sí | | Adaptación de Dominio | Entrenamiento adicional en texto del dominio | Alto | Sí | | RLHF | Aprende de retroalimentación humana | Muy alto | Sí |
!Métodos de personalización de modelos de fundación comparados por costo y actualización de pesos
Métricas de Evaluación de Modelos
| Métrica | Uso Principal | Medición | |---------|--------------|----------| | ROUGE | Evaluación de resúmenes | Superposición de palabras | | BLEU | Evaluación de traducciones | Superposición de N-gramas | | BERTScore | Propósito general | Similitud semántica |
---
Referencia Rápida del Examen
| Concepto | Punto del Examen | |---------|-----------------| | Ingeniería de Prompts | Sin cambios de pesos, personalización más económica | | RAG | Añade conocimiento externo sin reentrenamiento | | RLHF | Aprendizaje de preferencias humanas, costoso, usado en ChatGPT | | LoRA / PEFT | Actualiza pequeño subconjunto de parámetros eficientemente | | ROUGE | Calidad de resumen (superposición de palabras) | | BLEU | Calidad de traducción (superposición de N-gramas) |