Valoración del módulo

1.

¿Cuál es el propósito principal de un mensaje del sistema en un indicador?

Para definir las restricciones de rol, comportamiento y salida del modelo.

Para proporcionar datos de entrenamiento que cambien permanentemente el modelo.

Para recuperar datos de un origen de datos externo.

2.

¿Cuándo debería usar la generación aumentada de recuperación (RAG) en lugar de confiar únicamente en la ingeniería de solicitudes?

Cuando desee que el modelo responda en un estilo y formato coherentes.

Cuando el modelo necesita acceso a datos específicos del dominio o actuales en los que no se ha entrenado.

Cuando desee reducir la longitud de las solicitudes enviadas al modelo.

3.

¿Qué controla el parámetro de temperatura en un modelo de lenguaje?

Número máximo de tokens que puede generar el modelo.

La aleatoriedad y la creatividad de las respuestas del modelo.

Velocidad a la que el modelo procesa las solicitudes.

4.

¿Qué optimiza el ajuste fino en un modelo de lenguaje?

Precisión fáctica de las respuestas mediante la conexión a datos externos.

Coherencia del comportamiento, estilo y formato de salida del modelo.

El número de tokens que el modelo puede procesar en una sola solicitud.

5.

Está creando una aplicación de chat que necesita responder a preguntas mediante el catálogo de productos de su empresa mientras mantiene una voz de marca específica. ¿Qué combinación de estrategias es más adecuada?

La ingeniería de solicitudes sola con mensajes detallados del sistema.

RAG para los datos del catálogo de productos, ajuste preciso de la voz de la marca e ingeniería de solicitudes para instrucciones específicas de la conversación.

Solo ajuste preciso con el catálogo de productos incluido en los datos de entrenamiento.

Comentarios