Adaptación de dominio
Métodos que transfieren un modelo entrenado en un dominio para que funcione mejor en otro dominio.
Enciclopedia abierta
El glosario deIA
Terminología técnica esencial explicada con el más alto nivel de claridad. Diseñado para investigadores, estudiantes y educación centrada en las personas.
213términosA–ZBúsqueda + filtro alfabético100%Definiciones en lenguaje sencillo
A33 términos
Agente de IA
Un sistema de software que puede observar, razonar y tomar acciones para lograr un objetivo, a menudo utilizando herramientas y memoria.
AGI (Inteligencia General Artificial)
Un hipotético sistema de IA que puede realizar la mayoría de las tareas intelectuales a nivel humano en muchos dominios.
Ajuste de instrucciones
Ajustar un modelo sobre pares instrucción-respuesta para mejorar el seguimiento de tareas.
Ajuste fino
Capacitación continua sobre datos de dominios específicos para adaptar un modelo previamente entrenado a una tarea específica.
Ajuste fino eficiente de parámetros (PEFT)
Métodos que adaptan modelos entrenando un pequeño subconjunto de parámetros agregados.
Algoritmo
Un conjunto definido de reglas o pasos que sigue una computadora para resolver un problema o completar una tarea.
ALiBi
Un método de sesgo posicional que penaliza las puntuaciones de atención en función de la distancia simbólica, lo que ayuda a los modelos a extrapolar a contextos más largos.
Alineación de IA
El trabajo de hacer que los sistemas de IA se comporten de acuerdo con las intenciones, los valores y las limitaciones de seguridad humanos.
Alucinación
Cuando un modelo genera información fluida pero falsa o sin fundamento.
Análisis de sentimiento
Una tarea de PNL que clasifica el tono emocional o la opinión en un texto.
Analizador de salida
Lógica que valida y convierte la salida del modelo en estructuras fuertemente tipadas y utilizables por máquinas.
ANN (vecino más cercano aproximado)
Algoritmos que encuentran vectores cercanos a una consulta sin una comparación exhaustiva, intercambiando exactitud por velocidad.
Anotación
Etiquetas o metadatos agregados por humanos que se utilizan para entrenar o evaluar modelos de aprendizaje automático.
API (interfaz de programación de aplicaciones)
Una forma estructurada para que un sistema de software envíe solicitudes y reciba respuestas de otro sistema.
Aprendizaje automático (ML)
Métodos que permiten a los sistemas aprender patrones a partir de datos y mejorar con el tiempo.
Aprendizaje autosupervisado
Aprender representaciones a partir de datos sin etiquetar prediciendo partes enmascaradas o transformadas.
Aprendizaje continuo
Enfoques de entrenamiento que permiten que un modelo siga aprendiendo de nuevos datos sin olvidar el conocimiento previo.
Aprendizaje de tiro cero
Resolver tareas sin ejemplos específicos de tareas basándose en conocimientos generales previos.
Aprendizaje en contexto
La capacidad de un modelo para seguir patrones a partir de ejemplos proporcionados directamente en el mensaje.
Aprendizaje en pocas oportunidades
Aprender o adaptar el comportamiento a partir de sólo un pequeño número de ejemplos.
Aprendizaje no supervisado
Patrones de aprendizaje a partir de datos sin etiquetar sin resultados objetivo explícitos.
Aprendizaje por refuerzo
Entrenamiento mediante señales de recompensa donde un agente aprende acciones que maximizan el retorno a largo plazo.
Aprendizaje profundo
Un subconjunto del aprendizaje automático que utiliza redes neuronales de muchas capas para el aprendizaje de representación.
Aprendizaje reforzado a partir de la retroalimentación humana (RLHF)
Un método de entrenamiento que utiliza señales de preferencia humana para dar forma al comportamiento del modelo.
Aprendizaje supervisado
Entrenar un modelo con ejemplos etiquetados que asignan entradas a salidas conocidas.
Arnés de evaluación
Un marco de evaluación repetible que ejecuta indicaciones, conjuntos de datos y lógica de puntuación en todas las versiones del modelo.
Atención de ventana corrediza
Un patrón de atención en el que cada token atiende solo a una ventana de tamaño fijo de tokens cercanos para reducir la computación.
Atención multicabezal
Un mecanismo transformador que ejecuta varias operaciones de atención en paralelo para capturar diferentes tipos de relaciones.
Atención relámpago
Un algoritmo de atención optimizado que reduce el uso de memoria y acelera el entrenamiento y la inferencia de transformadores.
Aumento de datos
Técnicas que crean ejemplos de entrenamiento modificados para mejorar la generalización del modelo.
Autojuego
Una configuración de entrenamiento donde un modelo mejora generando datos a través de interacciones o competencias con copias de sí mismo.
Aviso del sistema
Una instrucción de alta prioridad que establece el comportamiento, la política y el estilo de respuesta de un modelo.
B9 términos
Barandillas
Reglas, comprobaciones y controles que limitan el comportamiento inseguro o no deseado del modelo.
Base de conocimientos
Una colección seleccionada de documentos o registros utilizados para la recuperación, la automatización de soporte o las respuestas de conexión a tierra.
Base de datos vectorial
Una base de datos optimizada para almacenar y consultar vectores de incrustación de alta dimensión.
Bicodificador
Un modelo que codifica consultas y documentos en vectores separados para que puedan compararse rápidamente a escala.
BPE (codificación de pares de bytes)
Un algoritmo de tokenización de subpalabras que fusiona los pares de caracteres más frecuentes en tokens reutilizables.
Bucle agente
Un ciclo iterativo en el que un agente de IA observa, planifica, actúa y reflexiona hasta completar un objetivo o alcanzar una condición de parada.
Búsqueda de haz
Un algoritmo de decodificación que mantiene las principales secuencias candidatas en cada paso para encontrar resultados de mayor probabilidad.
Búsqueda híbrida
Un enfoque de recuperación que combina la búsqueda de palabras clave (léxicas) con la búsqueda de vectores (semántica) para una mejor recuperación y precisión.
Búsqueda Semántica
Búsqueda que coincida con el significado en lugar de la superposición exacta de palabras clave, a menudo mediante incrustaciones.
C22 términos
Caché KV
Tensores de clave y valor almacenados de tokens anteriores que permiten a los transformadores generar nuevos tokens sin volver a calcular la atención pasada.
Cadena de pensamiento
Un estilo de razonamiento en el que un modelo de IA descompone un problema en pasos intermedios.
Calcular
Los recursos de procesamiento necesarios para entrenar y ejecutar modelos, a menudo medidos en FLOPS u horas de GPU.
Cálculo del tiempo de inferencia
La cantidad de potencia de procesamiento consumida al producir cada respuesta.
Cálculo del tiempo de prueba
Cálculo de inferencia adicional utilizado durante la generación de respuestas para mejorar la calidad o el razonamiento.
Calibración
Qué tan bien coinciden las puntuaciones de confianza de un modelo con las probabilidades de corrección reales.
Calibración de confianza
Alinear la confianza del usuario en los resultados de la IA con la confiabilidad real del sistema en cada tarea.
Característica
Una variable de entrada utilizada por un modelo para hacer predicciones.
Citas
Referencias a pasajes fuente o documentos incluidos en la respuesta de un modelo para respaldar sus afirmaciones.
Clasificación
Una tarea en la que un modelo asigna una entrada a una o más categorías predefinidas.
Clasificación de intenciones
Predecir el propósito del usuario a partir de una consulta de texto para encaminarlo correctamente.
Clasificador
Un modelo diseñado específicamente para tareas de clasificación.
Codificación posicional
Información agregada a las incrustaciones de tokens para que los transformadores puedan distinguir el orden de secuencia.
Codificador
El componente de un modelo que transforma la entrada en representaciones latentes.
Codificador cruzado
Un modelo que califica una consulta y un documento juntos en una sola pasada para realizar juicios de relevancia de alta precisión.
Conexión a tierra
El grado en que una respuesta de IA está respaldada por datos de origen o evidencia recuperada.
conjunto
Combinar predicciones de múltiples modelos para mejorar la solidez o la precisión.
Conjunto de datos
Una colección de ejemplos estructurados o no estructurados utilizados para capacitación, validación o prueba.
Conjunto de evaluación
Un conjunto de datos reservado que se utiliza para medir la calidad del modelo después del entrenamiento.
Conjunto de validación
Un conjunto de datos utilizado durante el desarrollo para ajustar modelos y evitar el sobreajuste.
Cuantización
Conversión de pesos de modelos a formatos de menor precisión, como 8 bits o 4 bits.
Cuantización del modelo
Reducir la precisión numérica de los pesos del modelo para disminuir el costo de memoria e inferencia.
D10 términos
Datos sintéticos
Datos generados artificialmente que se utilizan para aumentar, simular o proteger datos confidenciales de entrenamiento.
Decodificación especulativa
Un método de aceleración de inferencia en el que un modelo borrador pequeño propone tokens que un modelo más grande verifica en paralelo.
Decodificación vigilada
Una estrategia de generación que limita los tokens de salida a estructuras válidas o elecciones que cumplan con las políticas.
Deriva de datos
Un cambio en los datos de entrada del mundo real a lo largo del tiempo que puede degradar el rendimiento del modelo.
Deriva del modelo
Degradación del rendimiento con el tiempo a medida que las condiciones del mundo real difieren de los supuestos de entrenamiento.
Descenso de gradiente
Un método de optimización que actualiza los parámetros en la dirección que reduce el error.
Despliegue de sombras
Ejecutar un modelo en paralelo con el tráfico de producción sin afectar las decisiones de cara al usuario.
Destilación
Comprimir el conocimiento de un modelo de profesor grande a un modelo de estudiante más pequeño.
Destilación del conocimiento
Entrenar un modelo más pequeño para imitar los resultados de un modelo más grande.
DPO (optimización de preferencias directas)
Un método de entrenamiento que afina los modelos directamente en pares de preferencias sin necesidad de un modelo de recompensa separado.
E8 términos
Entrenamiento medio
Una fase de entrenamiento intermedia entre el preentrenamiento y el post-entrenamiento, a menudo utilizada para ajustes de capacidad o dominio.
equipo rojo
Poner a prueba un sistema de IA con indicaciones adversas para revelar fallas y riesgos.
Espacio latente
Un espacio de representación comprimido donde conceptos similares se colocan uno cerca del otro como vectores.
Estuche de seguridad
Un argumento estructurado, respaldado por evidencia, de que un sistema de IA es seguro para un contexto de uso definido.
Etiquetado de datos
El proceso de asignar etiquetas o resultados de destino a datos sin procesar para el aprendizaje supervisado.
evaluación humana
Un punto de referencia de los problemas de programación de Python utilizado para medir la corrección de la generación de código mediante pruebas unitarias.
Explicabilidad
El grado en que el comportamiento de un modelo puede interpretarse y explicarse a los humanos.
Extracción de características
Convertir datos sin procesar en características informativas que un modelo pueda utilizar.
F11 términos
factualidad
Con qué precisión las afirmaciones de un modelo coinciden con información verificable del mundo real.
Facturación basada en el uso
Precios donde los costos escalan con llamadas API, tokens, tiempo de inferencia o computación consumida.
Falso Negativo
Una predicción incorrecta en la que un modelo omite un caso positivo verdadero.
Falso positivo
Una predicción incorrecta en la que un modelo marca incorrectamente un caso negativo como positivo.
ficha
Un fragmento de texto procesado por modelos de lenguaje, como una palabra o un símbolo.
Filtro de seguridad
Una capa de moderación que bloquea o reescribe entradas o salidas inseguras del modelo.
Flujo de trabajo agente
Un proceso de varios pasos en el que un sistema de IA planifica, ejecuta, verifica los resultados e itera hacia un objetivo.
FrasePieza
Un tokenizador independiente del idioma que aprende unidades de subpalabras directamente a partir de texto sin formato sin dividirlo previamente en espacios en blanco.
fuga de la cárcel
Una técnica rápida destinada a eludir las limitaciones de seguridad de un modelo.
Fuga de referencia
Cuando hay ejemplos de pruebas comparativas o variantes cercanas en los datos de entrenamiento, se infla el rendimiento informado.
Función de pérdida
Un objetivo matemático que cuantifica el error de predicción durante el entrenamiento.
G7 términos
GAN (Red de confrontación generativa)
Una configuración generativa donde un generador y un discriminador se entrenan entre sí.
Generalización
Qué tan bien se desempeña un modelo con datos nuevos e invisibles fuera del conjunto de entrenamiento.
Gobernanza de la IA
Políticas, estándares y mecanismos de supervisión que guían cómo se desarrolla y utiliza la IA en la sociedad.
gradiente
Un vector que muestra cuánto debe cambiar cada parámetro para reducir la pérdida.
Gráfico de conocimiento
Una estructura gráfica de entidades y relaciones utilizadas para razonamiento o recuperación.
Grandes datos
Conjuntos de datos muy grandes y complejos que requieren técnicas de procesamiento y almacenamiento escalables.
GSM8K
Un punto de referencia de los problemas escritos de matemáticas de la escuela primaria que se utiliza para evaluar el razonamiento paso a paso en modelos de lenguaje.
H3 términos
Hiperparámetro
Un valor de configuración establecido antes del entrenamiento, como la tasa de aprendizaje, el tamaño del lote o la profundidad.
HNSW
Una estructura de índice basada en gráficos para una búsqueda rápida y aproximada del vecino más cercano en vectores de alta dimensión.
Humano en el circuito
Un flujo de trabajo en el que los humanos revisan, guían o anulan los resultados de la IA.
I12 términos
IA constitucional
Un enfoque de capacitación y configuración del comportamiento en el que los resultados del modelo se guían por un conjunto fijo de principios escritos.
IA en el dispositivo
La inferencia de IA se realiza localmente en el hardware del usuario en lugar de en un servicio remoto en la nube.
IA generativa
Sistemas de inteligencia artificial que producen contenido nuevo, como texto, imágenes, audio, video o código.
Impuesto de alineación
El costo adicional en tiempo, computación o velocidad del producto requerido para hacer que los sistemas sean más seguros y controlables.
Incrustación de palabras
Una representación vectorial densa de palabras que capturan relaciones semánticas.
incrustar
Una representación vectorial numérica que captura el significado semántico de texto, imágenes u otros datos.
Inferencia
La fase de tiempo de ejecución donde un modelo entrenado genera predicciones o resultados.
Inferencia causal
Métodos para estimar relaciones de causa y efecto en lugar de simples correlaciones.
Ingeniería de características
Diseñar o transformar variables de entrada para hacer el aprendizaje más fácil y efectivo.
Inteligencia artificial (IA)
El amplio campo de la construcción de sistemas que realizan tareas que requieren reconocimiento de patrones, razonamiento, lenguaje o toma de decisiones.
Intervalo de confianza
Un rango estadístico que probablemente contiene el valor real de una métrica del modelo medido.
Inyección inmediata
Un patrón de ataque en el que se insertan instrucciones maliciosas en las entradas del modelo o en el contenido recuperado.
L9 términos
Latencia
El tiempo entre el envío de una solicitud y la recepción del resultado del modelo.
Ley de escala
Una relación empírica que muestra cómo mejora el rendimiento con el tamaño, los datos o la computación del modelo.
Ley de IA
El marco regulatorio basado en riesgos de la Unión Europea para sistemas y proveedores de IA.
Límite de conocimiento
El último momento reflejado en los datos de entrenamiento de un modelo.
Límite de decisión
La superficie en el espacio de características que separa las clases predichas por un clasificador.
Linaje de datos
Un registro de dónde provienen los datos, cómo se transformaron y dónde se utilizan.
Llamada de función
Una capacidad de modelo para generar llamadas estructuradas que activan herramientas externas o API.
LLM como juez
Usar un modelo de lenguaje para calificar o comparar resultados de otros modelos durante la evaluación.
LoRA (adaptación de bajo rango)
Un método de ajuste fino eficiente en parámetros que agrega matrices de adaptadores de bajo rango.
M22 términos
marca de agua
Incrustar una señal detectable en texto o medios generados por IA para que luego pueda identificarse como producida por una máquina.
MCP (Protocolo de contexto modelo)
Un protocolo abierto que permite que las aplicaciones de IA se conecten a herramientas externas, fuentes de datos y proveedores de contexto de forma estándar.
Mecanismo de atención
Un componente del modelo que se centra dinámicamente en partes relevantes de una entrada al producir una salida.
Memoria (memoria del agente)
Contexto almacenado que un agente de IA utiliza en todos los pasos o sesiones para mejorar la continuidad.
Mezcla de Expertos (MoE)
Una arquitectura con subredes especializadas donde solo se ejecutan expertos seleccionados por entrada.
MMLU
Un punto de referencia que prueba modelos de lenguaje en 57 materias académicas y profesionales mediante preguntas de opción múltiple.
Modelo de caja negra
Un modelo cuyo razonamiento interno es difícil de interpretar directamente por los humanos.
Modelo de cimentación
Un gran modelo previamente entrenado que se puede adaptar a muchas tareas posteriores.
Modelo de código abierto
Un modelo lanzado con pesos o código públicos para inspección, adaptación y reutilización.
Modelo de difusión
Una arquitectura generativa que aprende a revertir el ruido para sintetizar imágenes, audio u otro contenido.
Modelo de incrustación
Un modelo especializado para convertir datos en vectores utilizados para búsqueda, agrupación y recuperación semántica.
Modelo de lenguaje grande (LLM)
Un modelo de lenguaje entrenado en corpus de texto masivos para generar y analizar texto.
Modelo de lenguaje pequeño (SLM)
Un modelo de lenguaje compacto optimizado para reducir la latencia, el costo o el uso en el dispositivo.
Modelo de preferencia humana
Un modelo entrenado en clasificaciones humanas para predecir qué respuestas probablemente preferirán los usuarios.
Modelo de recompensa
Un modelo que califica las salidas en función de señales de preferencia, que se utiliza a menudo en las canalizaciones RLHF.
Modelo de referencia
Un modelo de referencia simple que se utiliza para comparar si enfoques más complejos realmente mejoran los resultados.
Modelo destilado
Un modelo más pequeño entrenado para imitar el comportamiento de un modelo más grande mientras usa menos computación en la inferencia.
Modelo disperso
Un modelo donde muchos parámetros son cero o están inactivos para reducir el cálculo.
Modelo multimodal
Un modelo que puede procesar o generar múltiples tipos de datos, como texto, imagen y audio.
Modelo Visión-Lenguaje (VLM)
Un modelo multimodal que procesa conjuntamente información visual y textual.
Muestreo Top-k
Una estrategia de decodificación que toma muestras solo de los k tokens siguientes más probables.
Muestreo Top-p (Núcleo)
Una estrategia de decodificación que toma muestras del conjunto de tokens más pequeño cuyas probabilidades suman p.
N1 términos
Normalización
Transformar valores a una escala consistente para mejorar la estabilidad de la optimización.
O1 términos
OCR (reconocimiento óptico de caracteres)
Tecnología que convierte texto en imágenes o escaneados en texto legible por máquina.
P22 términos
Parámetro
Un peso aprendido dentro de un modelo que influye en sus resultados.
Pasa@k
Una métrica de evaluación de código que mide la probabilidad de que al menos una de las k muestras generadas pase las pruebas.
Penalización de frecuencia
Una configuración de decodificación que reduce la probabilidad de los tokens proporcionalmente a la frecuencia con la que han aparecido hasta ahora.
Penalización de presencia
Una configuración de decodificación que reduce la probabilidad de que aparezcan tokens, fomentando nuevos temas.
Penalización por repetición
Una configuración de decodificación que reduce la probabilidad de tokens que el modelo ya ha producido para reducir los bucles.
Pérdida de entrenamiento
El valor de error del modelo calculado durante el entrenamiento y optimizado hacia abajo con el tiempo.
Pérdida de entropía cruzada
Una función objetivo común utilizada para entrenar modelos de clasificación penalizando las probabilidades incorrectas.
Perplexity
Una métrica del modelo de lenguaje que mide cuán sorprendido está el modelo por los próximos tokens verdaderos.
Peso
Un valor numérico aprendido que escala las señales que pasan a través de una red neuronal.
Plantilla de aviso
Un patrón de indicaciones reutilizable con variables, reglas de formato e instrucciones específicas de tareas.
Poda
Eliminación de pesos o neuronas del modelo menos importantes para reducir el tamaño y el cálculo.
Post-entrenamiento
Pasos de capacitación aplicados después del entrenamiento previo, como ajuste de instrucciones, optimización de preferencias y ajuste de seguridad.
Precisión
La proporción de positivos previstos que realmente son correctos.
Precisión de recuperación
La proporción de elementos recuperados que son relevantes para la consulta del usuario.
Preentrenamiento
Entrenamiento inicial de modelos a gran escala sobre datos amplios antes de la adaptación posterior.
Privacidad diferencial
Una técnica de privacidad que agrega ruido estadístico para que los registros individuales no puedan inferirse de manera confiable a partir de los resultados.
Procedencia de los datos
El origen, la propiedad y el historial documentados de un conjunto de datos o artefacto modelo.
Procesamiento del lenguaje natural (PNL)
La rama de la IA se centró en comprender y generar el lenguaje humano.
Prompt Engineering
Diseño de indicaciones para mejorar la calidad, confiabilidad y controlabilidad de la salida.
Propagación hacia atrás
El algoritmo de entrenamiento central que actualiza los pesos del modelo propagando los errores de predicción hacia atrás a través de la red.
Punto de referencia
Una prueba o conjunto de datos estandarizado que se utiliza para medir y comparar el rendimiento del modelo.
Punto final de inferencia
Una interfaz API implementada que recibe solicitudes de modelo y devuelve predicciones en producción.
Q1 términos
QLoRA
Una técnica de ajuste que combina la cuantificación de peso de 4 bits con adaptadores LoRA para reducir las necesidades de memoria.
R17 términos
RAG (Generación aumentada de recuperación)
Un método que recupera conocimiento externo y lo alimenta a la generación en el momento de la inferencia.
RAG-Fusión
Un método de recuperación que genera múltiples variantes de consulta, recupera resultados para cada una y fusiona las clasificaciones.
rápido
Las instrucciones de entrada y el contexto proporcionados a un modelo generativo.
reaccionar
Un patrón de indicaciones que entrelaza pasos de razonamiento con acciones de uso de herramientas para resolver tareas de manera más confiable.
reclasificador
Un modelo que reordena un conjunto inicial de resultados recuperados para colocar los elementos más relevantes en la parte superior.
Reconocimiento de entidad nombrada (NER)
Una tarea de PNL que identifica entidades como personas, lugares, fechas u organizaciones.
recordar
La proporción de positivos reales que un modelo identifica correctamente.
RECORTAR
Una arquitectura de modelo multimodal que aprende representaciones compartidas entre texto e imágenes.
Recuperación
Encontrar documentos o registros relevantes de una fuente de conocimiento para una consulta.
Recuperación de consultas múltiples
Una técnica de recuperación que reescribe la consulta del usuario en varias variantes para mejorar la recuperación.
Recuperación de documentos de los padres
Un patrón de recuperación que busca fragmentos pequeños pero devuelve sus documentos principales más grandes para un contexto más rico.
Red neuronal
Un modelo computacional en capas inspirado en neuronas y sinapsis biológicas.
Red neuronal convolucional (CNN)
Una arquitectura neuronal optimizada para procesar datos en forma de cuadrícula, como imágenes.
Registro de modelos
Un catálogo central para versiones, aprobación y seguimiento de modelos en todos los entornos.
Retención de datos cero
Una política en la que las cargas útiles de solicitud/respuesta no se almacenan después del procesamiento más allá de ventanas operativas de corta duración.
Robustez
La capacidad de un modelo para mantener el rendimiento bajo ruido, cambios o entradas adversas.
RoPE (Incrustaciones posicionales rotativas)
Un método de codificación posicional que rota los vectores clave y de consulta para codificar posiciones relativas de tokens.
S9 términos
Salida estructurada
Salida del modelo restringida a un esquema definido como JSON, argumentos de herramienta o campos escritos.
Seguridad de la IA
Un campo enfocado en reducir comportamientos dañinos, fallas y riesgos de uso indebido en los sistemas de IA.
Sesgo
Un patrón constante de error o injusticia en los datos o el comportamiento del modelo.
Sesgo algorítmico
Injusticia sistemática en los resultados del modelo causada por datos, suposiciones o elecciones de modelado sesgados.
Sistema Autónomo
Un sistema que puede tomar decisiones y actuar con control humano directo limitado o nulo en tiempo real.
Sistema de recomendación
Un canal modelo que predice las preferencias de los usuarios para clasificar contenidos o productos.
Sobreajuste
Cuando un modelo memoriza datos de entrenamiento y tiene un rendimiento deficiente en entradas invisibles.
Suavizado de etiquetas
Un método de regularización que suaviza las etiquetas duras para mejorar la generalización.
Supervisión débil
Usar etiquetas ruidosas, heurísticas o parciales para entrenar modelos cuando las etiquetas limpias son escasas.
T9 términos
Tarjeta modelo
Documentación que describe el uso previsto, las métricas, las limitaciones y los riesgos de un modelo.
Tasa de aprendizaje
Un hiperparámetro de entrenamiento que controla cuánto cambian los parámetros en cada paso de actualización.
Temperatura
Una configuración de muestreo que controla la aleatoriedad en los resultados generados.
Tienda de funciones
Un sistema administrado para almacenar y ofrecer funciones de aprendizaje automático validadas de manera consistente para capacitación e inferencia.
Tokenización
El proceso de dividir el texto en tokens para la entrada del modelo.
Transferir aprendizaje
Aplicar el conocimiento aprendido en una tarea o dominio para mejorar otra tarea.
Transformador
Una arquitectura neuronal que utiliza la atención para modelar relaciones entre secuencias en paralelo.
Transparencia algorítmica
Con qué claridad están documentadas y son comprensibles la lógica, las fuentes de datos y las limitaciones de un sistema de IA.
Tubería
Un flujo de trabajo ordenado de preprocesamiento, pasos del modelo y etapas de posprocesamiento.
U1 términos
Uso de herramientas
La capacidad de un modelo para llamar a herramientas externas como búsqueda, calculadoras o API.
V3 términos
Ventana de contexto
La cantidad máxima de tokens de entrada que un modelo de lenguaje puede procesar a la vez.
Verdad fundamental
Etiquetas de referencia confiables utilizadas para entrenar o evaluar los resultados del modelo.
Visión por computadora
La rama de la IA que extrae significado de imágenes y vídeos.
X1 términos
XAI (IA explicable)
Técnicas y prácticas para hacer que las predicciones de la IA sean más transparentes y comprensibles.
Á2 términos
Árbol de decisión
Un modelo que hace predicciones a través de una secuencia de divisiones de características si-entonces.
árbol de pensamientos
Un enfoque de razonamiento en el que un modelo explora múltiples caminos de solución ramificados y selecciona los más prometedores.