Examen Final: Introducción a los LLM
Evaluación integral que abarca los cuatro módulos.
25 preguntas - Evalúe su comprensión general de los Modelos de Lenguaje de Gran Tamaño (LLM).
Pregunta 1
¿Cuál es el mecanismo fundamental detrás de cómo los LLM generan texto?
A) Buscar respuestas en una base de datos
B) Predecir el siguiente token según patrones aprendidos durante el entrenamiento
C) Copiar de internet en tiempo real
D) Seguir guiones preescritos
Mostrar respuesta
Respuesta correcta: B
Los LLM generan texto prediciendo el siguiente token (fragmento de palabra) según los patrones aprendidos de los datos de entrenamiento. Este mecanismo simple es la base de todas sus capacidades.
Pregunta 2
¿Por qué ChatGPT se convirtió en la aplicación de consumo de más rápido crecimiento en la historia?
A) Fue la primera IA jamás creada
B) Combinó una IA capaz con una interfaz conversacional accesible
C) Era obligatorio para todos los usuarios de internet
D) Era completamente gratuito y sin límites
Mostrar respuesta
Respuesta correcta: B
ChatGPT combinó las capacidades de GPT-3.5 con entrenamiento RLHF para conversación natural, haciendo que la IA avanzada fuera accesible para todos a través de una simple interfaz de chat.
Pregunta 3
¿Cuál es la relación entre tokens y palabras?
A) 1 token = exactamente 1 palabra
B) 1 token ≈ ¾ de una palabra en promedio
C) 1 token = 10 palabras
D) No tienen ninguna relación
Mostrar respuesta
Respuesta correcta: B
Los tokens son fragmentos de palabras; en promedio, un token equivale a aproximadamente ¾ de una palabra. Las palabras largas o inusuales se dividen en varios tokens.
Pregunta 4
¿Qué significa "alucinación" en el contexto de los LLM?
A) La IA experimentando sueños
B) Generar información que suena plausible pero es incorrecta
C) Mostrar efectos visuales
D) Funcionamiento lento
Mostrar respuesta
Respuesta correcta: B
La alucinación ocurre cuando un LLM genera información que suena convincente pero es incorrecta o completamente inventada.
Pregunta 5
¿Qué es una ventana de contexto?
A) Una pantalla de ayuda emergente
B) El máximo de texto que el modelo puede procesar a la vez
C) Una herramienta de depuración
D) Una ventana para ver menús contextuales
Mostrar respuesta
Respuesta correcta: B
La ventana de contexto es la cantidad máxima de texto (en tokens) que un LLM puede "ver" al generar una respuesta, como su límite de memoria a corto plazo.
Pregunta 6
¿Qué empresa creó Claude y se enfoca en la seguridad de la IA?
A) OpenAI
B) Google
C) Anthropic
D) Meta
Mostrar respuesta
Respuesta correcta: C
Anthropic, fundada por ex-investigadores de OpenAI, creó Claude con un enfoque en la seguridad y alineación de la IA.
Pregunta 7
¿Qué hace significativos a los modelos Llama de Meta?
A) Son los más costosos
B) Son de código abierto, permitiendo que cualquiera los ejecute localmente
C) Solo funcionan en Facebook
D) Son los LLM más antiguos
Mostrar respuesta
Respuesta correcta: B
Los modelos Llama son de código abierto, lo que significa que cualquiera puede descargar los pesos y ejecutarlos localmente, permitiendo privacidad y personalización.
Pregunta 8
¿Qué es RLHF?
A) Really Large Human Files
B) Reinforcement Learning from Human Feedback
C) Rapid Language Human Formatting
D) Regular Learning High Frequency
Mostrar respuesta
Respuesta correcta: B
RLHF (Reinforcement Learning from Human Feedback) es una técnica de entrenamiento donde los humanos califican las salidas de la IA y el modelo aprende a producir respuestas mejor valoradas.
Pregunta 9
¿Por qué los tokens de salida pueden costar más que los de entrada?
A) Son de mayor calidad
B) Generar la salida requiere más computación
C) Razones de marketing
D) Requieren más almacenamiento
Mostrar respuesta
Respuesta correcta: B
Generar cada token de salida requiere ejecutar el proceso de predicción del modelo, lo cual es más intensivo computacionalmente que procesar la entrada.
Pregunta 10
¿Cuál es la principal ventaja de ejecutar LLM localmente?
A) Siempre es más rápido
B) Privacidad: los datos nunca salen de su máquina
C) Siempre es más barato
D) Mejor calidad
Mostrar respuesta
Respuesta correcta: B
Los LLM locales mantienen todos los datos en su máquina, garantizando privacidad para aplicaciones sensibles como salud, legal o finanzas.
Pregunta 11
¿Qué es la "temperatura" en la configuración de los LLM?
A) Nivel de enfriamiento del servidor
B) Un control para la aleatoriedad/creatividad de la salida
C) Velocidad de procesamiento
D) Tamaño del modelo
Mostrar respuesta
Respuesta correcta: B
La temperatura controla cuán aleatorias o deterministas son las salidas. Temperatura baja = predecible; temperatura alta = más creativo pero más riesgoso.
Pregunta 12
¿Qué significa "knowledge cutoff"?
A) Cuando el modelo deja de funcionar
B) La fecha después de la cual no existen datos de entrenamiento
C) Un límite sobre los temas que se pueden discutir
D) Capacidad máxima de conocimiento
Mostrar respuesta
Respuesta correcta: B
El knowledge cutoff es la fecha posterior a la cual el modelo no tiene datos de entrenamiento. Los eventos después de esta fecha son desconocidos para el modelo.
Pregunta 13
¿Qué es la IA multimodal?
A) IA con múltiples personalidades
B) IA que procesa múltiples tipos de datos (texto, imágenes, audio)
C) IA ejecutándose en varias computadoras
D) IA que habla varios idiomas
Mostrar respuesta
Respuesta correcta: B
La IA multimodal puede comprender y generar múltiples tipos de contenido—texto, imágenes, audio y video—a menudo en combinación.
Pregunta 14
¿Qué son los agentes de IA?
A) Investigadores humanos de IA
B) Sistemas de IA que pueden tomar acciones y completar tareas de forma autónoma
C) Representantes de ventas de IA
D) Chatbots simples
Mostrar respuesta
Respuesta correcta: B
Los agentes de IA pueden tomar acciones, usar herramientas, planificar tareas de varios pasos y trabajar de forma autónoma para completar objetivos complejos.
Pregunta 15
¿Qué es la cuantización en el contexto de los LLM locales?
A) Contar parámetros
B) Reducir la precisión del modelo para hacerlo más pequeño y rápido
C) Medición de calidad
D) Dividir en partes
Mostrar respuesta
Respuesta correcta: B
La cuantización reduce la precisión de los pesos del modelo (por ejemplo, de 16 bits a 4 bits), haciendo los modelos más pequeños y rápidos, con cierto costo en calidad.
Pregunta 16
¿Qué es una API en el contexto de los LLM?
A) Un tipo de modelo de IA
B) Una interfaz para que las aplicaciones se comuniquen con servicios de LLM
C) Un lenguaje de programación
D) Una personalidad de IA
Mostrar respuesta
Respuesta correcta: B
Una API (Application Programming Interface) permite que las aplicaciones envíen prompts a servicios de LLM y reciban respuestas generadas de forma programática.
Pregunta 17
¿Por qué GPT se llama "Generative Pre-trained Transformer"?
A) Nombre de marketing aleatorio
B) Generative (crea), Pre-trained (entrenado previamente), Transformer (arquitectura)
C) Llamado así por los inventores
D) Basado en la ubicación
Mostrar respuesta
Respuesta correcta: B
GPT describe el modelo: Generative (crea texto nuevo), Pre-trained (entrenado en datos antes de su despliegue), Transformer (la arquitectura de red neuronal utilizada).
Pregunta 18
¿Qué es RAG (Retrieval-Augmented Generation)?
A) Un generador de etiquetas aleatorias
B) Combinar LLM con recuperación de base de conocimiento para reducir alucinaciones
C) Un modelo de precios
D) Un marco de pruebas
Mostrar respuesta
Respuesta correcta: B
RAG recupera documentos relevantes de una base de conocimiento y los incluye en el prompt, fundamentando las respuestas del LLM en información verificada.
Pregunta 19
¿Qué hace que Claude sea particularmente bueno para el análisis de documentos?
A) Procesamiento más rápido
B) Ventana de contexto muy grande (hasta 200K tokens)
C) Precio más barato
D) Mejores imágenes
Mostrar respuesta
Respuesta correcta: B
La ventana de contexto de Claude de hasta 200K tokens le permite procesar documentos muy largos—incluso libros completos—en un solo prompt.
Pregunta 20
¿Qué son las "habilidades emergentes" en los LLM?
A) Funciones de emergencia
B) Capacidades que aparecen a escala sin programación explícita
C) Compras adicionales
D) Habilidades de inicio
Mostrar respuesta
Respuesta correcta: B
Las habilidades emergentes son capacidades (como razonamiento o traducción) que aparecen cuando los modelos alcanzan suficiente escala, aunque no hayan sido programadas explícitamente.
Pregunta 21
¿Cómo "recuerdan" los LLM las conversaciones previas?
A) Almacenamiento permanente en base de datos
B) Toda la conversación se reenvía con cada mensaje
C) Magia
D) Copia de seguridad en la nube
Mostrar respuesta
Respuesta correcta: B
Los LLM no tienen memoria persistente. Todo el historial de la conversación se incluye en cada mensaje, hasta el límite de contexto.
Pregunta 22
¿Cuál es el debate sobre la seguridad de los LLM de código abierto?
A) Son completamente seguros
B) El acceso abierto permite tanto usos beneficiosos como posibles usos indebidos
C) Solo los modelos cerrados son peligrosos
D) La seguridad no es una preocupación
Mostrar respuesta
Respuesta correcta: B
El debate se centra en si el acceso abierto permite la innovación y la transparencia, o facilita el uso malicioso y la eliminación de medidas de seguridad.
Pregunta 23
¿Cuándo NO debe confiar únicamente en la salida de un LLM?
A) Escritura creativa
B) Decisiones médicas, legales o financieras
C) Borradores de correo electrónico
D) Lluvia de ideas
Mostrar respuesta
Respuesta correcta: B
Las decisiones de alto riesgo (médicas, legales, financieras) nunca deben basarse únicamente en la salida de un LLM debido al riesgo de alucinación y la falta de responsabilidad.
Pregunta 24
¿Qué herramienta facilita la ejecución de LLM locales para principiantes?
A) Microsoft Word
B) Ollama o LM Studio
C) Photoshop
D) Excel
Mostrar respuesta
Respuesta correcta: B
Ollama y LM Studio facilitan la descarga y ejecución de LLM locales sin requerir conocimientos técnicos.
Pregunta 25
¿Cuál es la idea clave sobre lo que realmente hacen los LLM?
A) Entienden como los humanos
B) Predicen texto estadísticamente probable según patrones
C) Copian de internet
D) Piensan conscientemente
Mostrar respuesta
Respuesta correcta: B
Los LLM predicen texto estadísticamente probable según los patrones aprendidos durante el entrenamiento. Este mecanismo simple es la base de todas sus capacidades, incluidas sus limitaciones.
Guía de calificación
| Puntuación | Nota | Interpretación |
|---|---|---|
| 23-25 | A | Excelente comprensión de los LLM |
| 20-22 | B | Buena comprensión, pequeños vacíos |
| 17-19 | C | Comprensión adecuada, se recomienda repaso |
| 14-16 | D | Comprensión básica, se requiere repaso significativo |
| Menos de 14 | F | Repase los materiales del curso |
¿Qué sigue?
¿Aprobó? Considere:
- Aprender ingeniería de prompts
- Explorar desarrollo de API
- Profundizar en aprendizaje automático
¿Necesita repasar?
- Revise los capítulos de los módulos
- Repita los cuestionarios de los módulos
- Utilice el Glosario para aclarar términos
¡Felicitaciones!
¡Ha completado la Introducción a los LLM! Ahora tiene una comprensión conceptual sólida de:
✅ Qué son los LLM y cómo funcionan
✅ Principales proveedores y sus diferencias
✅ Consideraciones prácticas (API, tokens, costos)
✅ Limitaciones y cómo sortearlas
✅ El ecosistema más amplio y tendencias futuras
¡Bienvenido al mundo de la IA!