Quiz: Preparación de Datos
30 preguntas sobre formatos de conjuntos de datos, calidad y datos sintéticos.
Pregunta 1
¿Qué formato es mejor para instrucciones de un solo turno?
A) ShareGPT
B) Alpaca
C) JSON Lines
D) CSV
Mostrar respuesta
Respuesta correcta: B
El formato Alpaca con los campos instruction/input/output está diseñado para el seguimiento de instrucciones de un solo turno.
Pregunta 2
¿Qué formato admite conversaciones de varios turnos?
A) Alpaca
B) ShareGPT
C) Texto plano
D) Markdown
Mostrar respuesta
Respuesta correcta: B
El formato ShareGPT con el array conversations admite diálogos de varios turnos.
Pregunta 3
¿Qué es más importante: la calidad o la cantidad de datos?
A) Cantidad
B) Calidad
C) Son igual de importantes
D) Ninguna importa
Mostrar respuesta
Respuesta correcta: B
La calidad sobre la cantidad—500 ejemplos de alta calidad suelen superar a 50,000 de baja calidad.
Pregunta 4
¿Para qué se utiliza tokenizer.apply_chat_template()?
A) Crear nuevos tokens
B) Formatear mensajes en el formato esperado por el modelo
C) Eliminar tokens especiales
D) Entrenar el tokenizer
Mostrar respuesta
Respuesta correcta: B
apply_chat_template formatea los mensajes según el formato de conversación esperado por el modelo.
Pregunta 5
¿Qué es Self-Instruct?
A) El modelo se entrena a sí mismo
B) Uso de LLMs para generar pares de instrucción-respuesta
C) Mecanismo de self-attention
D) Un tipo de optimizador
Mostrar respuesta
Respuesta correcta: B
Self-Instruct es una técnica donde los LLMs generan nuevos pares de entrenamiento de instrucción-respuesta.
(Las preguntas 6-30 cubren: importancia de la deduplicación, dimensiones de calidad, tamaños recomendados de conjuntos de datos, Evol-Instruct, estrategias de validación, mezcla de datos reales y sintéticos, consistencia de formato, generación específica de dominio, prevención de contaminación y aplicación práctica)
Resultados
| Puntaje | Nivel |
|---|---|
| 27-30 | Excelente |
| 21-26 | Bueno |
| 15-20 | Promedio |
| Menos de 15 | Revisión necesaria |