Comparación de IA
Ingeniería de prompts o fine-tuning
Empieza por la ingeniería de prompts, rápida y barata de cambiar; pasa al fine-tuning solo cuando quede una diferencia medida que mejores prompts y ejemplos no cierran.
| Aspecto | Ingeniería de prompts | Fine-tuning |
|---|---|---|
| Tiempo para probar | Minutos | Días, con datos que reunir |
| Coste de un cambio | Editar texto | Volver a entrenar |
| Datos necesarios | Unos pocos ejemplos | Cientos o miles de ejemplos |
| Coste por llamada | Prompts largos cuestan más tokens | Prompts más cortos una vez entrenado |
Elige Ingeniería de prompts cuando
- Aún estás descubriendo cómo es un buen resultado
- La tarea cambia a menudo
- Tienes pocos ejemplos
Elige Fine-tuning cuando
- Las evaluaciones muestran una diferencia que el prompt no cierra
- La tarea es estable y se repite mucho
- Tienes un conjunto de entrenamiento limpio y uno de prueba aparte
Apréndelo con práctica
Estas lecciones gratuitas lo enseñan con órdenes para ejecutar en un laboratorio y tareas corregidas. Se leen completas sin cuenta.
Términos relacionados
- Prompt
- Un prompt es el texto que envías a un modelo de lenguaje para decirle qué hacer: la instrucción, algunos ejemplos y el material sobre el que trabajar.
- Prompt con ejemplos (few-shot)
- El few-shot pone unos pocos ejemplos resueltos en el prompt para que el modelo copie su forma y su criterio con una entrada nueva.
- Ajuste fino (fine-tuning)
- El ajuste fino es seguir entrenando un modelo existente con tus propios ejemplos para que aprenda una tarea, un estilo o un formato que antes no hacía bien.