Glosario

Ajuste por instrucciones (instruction tuning)

¿Qué es Ajuste por instrucciones (instruction tuning)?

El instruction tuning es una forma de ajuste fino en la que un modelo de lenguaje preentrenado se sigue entrenando con muchos pares de instrucción y respuesta deseada. Así el modelo aprende a cumplir tareas formuladas en lenguaje natural en lugar de limitarse a continuar un texto. Es un paso clave para convertir un modelo base en un asistente y suele combinarse con métodos como RLHF. Ejemplo: «Resume este texto en tres frases» se ejecuta de forma fiable.

Cómo ayuda KI.ordo

KI.ordo no entrena modelos: usa los modelos Claude de Anthropic, ya entrenados como asistentes, y orienta su comportamiento mediante instrucciones y conocimiento.

Más información →

Temas

Ajuste fino
Modelos de lenguaje
Entrenamiento

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

Ajuste fino (fine-tuning)

El ajuste fino (fine-tuning) consiste en seguir entrenando un modelo de IA ya preentrenado con datos adicionales, normalmente específicos de una tarea. Se modifican sus pesos internos para que domine con más fiabilidad, por ejemplo, un estilo de redacción, un vocabulario técnico o un formato de salida. Requiere ejemplos bien preparados, capacidad de cálculo y pruebas. Para muchas aplicaciones bastan unas instrucciones bien redactadas y conocimiento conectado, que son más fáciles de cambiar.

Entrenamiento
Personalización
+1

Aprendizaje por refuerzo con retroalimentación humana (RLHF)

El RLHF es un método de entrenamiento que hace que los modelos de lenguaje sean más útiles y seguros. Varias personas comparan y valoran distintas respuestas del modelo; con esos juicios se entrena un modelo de recompensa, que después reentrena el propio modelo de lenguaje mediante aprendizaje por refuerzo. Así aprende, por ejemplo, a responder con más claridad o a rechazar peticiones problemáticas. El RLHF lo realiza el proveedor del modelo antes de publicarlo, no cada usuario.

entrenamiento
retroalimentación humana
+1

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

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