Examen de Fundamentos de LLMs 3

¿Cuál es el propósito principal de un Large Language Model (LLM) según los documentos?

• Realizar cálculos matemáticos complejos con alta precisión.

• Generar lo que es más probable que venga a continuación en un flujo de texto.

• Almacenar grandes bases de datos estructuradas.

• Controlar hardware de computadoras directamente.

¿Qué diferencia principal existe entre los modelos LLM de tipo "chat" o "instrucción" y los que no lo son?

• Los modelos de chat son exclusivamente para tareas de traducción.

• Los modelos de chat están pensados para uso conversacional, mientras que los otros buscan completar un texto dado.

• Los modelos de chat son siempre más pequeños y rápidos.

• Los modelos que no son de chat tienen un historial de conversación incorporado.

¿Qué se entiende por "alucinación" en el contexto de los LLMs?

• La capacidad del LLM para generar contenido creativo y original.

• El fenómeno de los LLMs que generan información incorrecta con aparente confianza.

• Un error de software que causa que el LLM se detenga.

• La interacción del LLM con imágenes y videos.

Según el documento, ¿cuál es una de las "reglas de oro" sobre la alucinación de los LLMs?

• Los LLMs nunca alucinan si se les da un prompt perfecto.

• Solo los LLMs de código abierto alucinan.

• Todos los LLM alucinan.

• La alucinación es un problema que ya ha sido completamente resuelto.

¿Por qué es crucial la "especificidad" en la redacción de prompts para los LLMs?

• Para hacer que el LLM responda más rápido.

• Porque los LLMs son sensibles a pequeños cambios y no intuyen bien la intención implícita.

• Para reducir el costo de las llamadas a la API.

• Para permitir que el LLM genere respuestas más aleatorias.

¿Qué es el "Few-Shot Prompting"?

• Una técnica para reiniciar el modelo con una nueva configuración.

• La práctica de proporcionar al LLM solo una palabra como prompt.

• La técnica de proporcionar ejemplos de interacciones humano/IA en el prompt para influir en el comportamiento del modelo.

• Un método para limitar la longitud de la respuesta del LLM.

¿Cuál es el propósito principal de un "System Message" en la ingeniería de prompts?

• Registrar el historial de conversación del usuario.

• Definir el rol global o la persona para los modelos de chat.

• Solicitar al LLM que realice una tarea matemática.

• Generar una lista de opciones para el usuario.

¿Qué técnica de prompting anima a los LLMs a dividir problemas complejos en pasos intermedios para mejorar el razonamiento?

• Zero-Shot Prompting.

• Few-Shot Prompting.

• Chain-of-Thought Prompting (CoT).

• Direct Prompting.

¿Qué variante de Chain-of-Thought (CoT) consiste en añadir simplemente "Pensemos paso a paso" al prompt sin ejemplos verbales?

• Few-Shot CoT.

• Advanced CoT.

• Zero-Shot CoT.

• Iterative CoT.

¿Qué es "Prompt Injection" en el contexto de la seguridad de LLMs?

• Un método para insertar datos de entrenamiento adicionales en el modelo.

• Un exploit de seguridad que consiste en inyectar instrucciones para anular las or