Glosario

Aprendizaje few-shot

¿Qué es Aprendizaje few-shot?

El aprendizaje few-shot es la capacidad de un modelo para resolver una tarea a partir de pocos ejemplos. En los modelos de lenguaje suele ocurrir en la propia entrada: muestras dos o tres pares de pregunta y respuesta deseada, y el modelo aplica el mismo formato y estilo a casos nuevos, sin reentrenamiento. Ejemplo: tres consultas de clientes bien clasificadas suelen bastar para que las siguientes se ordenen con el mismo esquema.

Cómo ayuda KI.ordo

En KI.ordo puedes escribir ejemplos directamente en las instrucciones de un agente para marcar el tono y el formato de sus respuestas.

Más información →

Temas

Prompting
Ejemplos
Modelos de lenguaje

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Aprendizaje zero-shot

El aprendizaje zero-shot significa que un modelo puede resolver una tarea sin haber visto antes ejemplos concretos de ella. Los grandes modelos de lenguaje, por ejemplo, hacen una traducción o una clasificación solo a partir de la descripción del prompt. Si la calidad no basta, suele ayudar el aprendizaje few-shot: añades algunos ejemplos de la respuesta que quieres.

LLM
Prompting
+1

Prompt

Un prompt es la entrada con la que le dices a un modelo de IA qué debe hacer: una pregunta, una tarea o una instrucción, a menudo con contexto, ejemplos y el formato deseado. La calidad de la respuesta depende mucho de lo claro y completo que sea el prompt. Por ejemplo, en vez de «Escribe algo sobre nuestro producto», mejor «Escribe tres ventajas breves del producto X para talleres y oficios, con tono objetivo».

prompting
entrada
+1

Plantilla

Metaprompt

Un metaprompt es una instrucción con la que pides a un modelo de lenguaje que redacte o mejore él mismo prompts o instrucciones de sistema. Describes el objetivo, el público y el tono deseado y aportas ejemplos; el modelo formula instrucciones estructuradas con rol, reglas y límites. Así obtienes antes buenas primeras versiones, que luego se prueban y se pulen a mano. Ejemplo: «atención al cliente de una tienda de bicicletas» se convierte en un borrador completo de instrucciones.

prompting
agentes
+1

Plantilla

Modelo de lenguaje grande (LLM)

Un modelo de lenguaje grande (Large Language Model, LLM) es una red neuronal entrenada con enormes cantidades de texto, lo que le permite entender y generar lenguaje. Funciona calculando, paso a paso, el siguiente token más probable. Los LLM redactan, resumen, traducen, responden preguntas y generan código; ejemplos conocidos son Claude, GPT, Gemini y Llama. Sin acceso a fuentes actualizadas, solo conocen lo que había en sus datos de entrenamiento.

Modelos de lenguaje
IA generativa
+1