Banco de Preguntas - GenAI Testing (ISTQB) - IV

Un equipo utiliza un LLM para generar casos de prueba. Algunos contienen inconsistencias. ¿Cuál es la MEJOR acción del tester?. Usarlos todos. Validarlos antes de uso. Eliminarlos. Automatizarlos directamente.

Un LLM da respuestas distintas al mismo prompt. Esto indica: Error. No determinismo. Bajo rendimiento. Falta de datos.

¿Qué define mejor un token?. Una palabra. Unidad de texto procesada. Dataset. Algoritmo.

¿Qué hace realmente un LLM?. Entiende lenguaje. Predice tokens. Ejecuta lógica. Usa reglas.

¿Cuál es la relación correcta? (⊂ → significa “está dentro de”). ML ⊂ LLM. LLM ⊂ ML. Independientes. Iguales.

¿Qué factor influye más en la calidad de salida?. CPU. Prompt. RAM. Red.

Un LLM genera datos incorrectos pero plausibles. Es: Bug. Alucinación. Error de red. Overfitting.

¿Qué riesgo existe al usar datos reales en LLM públicos?. Latencia. Seguridad. Rendimiento. Coste.

¿Qué implica dependencia del prompt?. No afecta. Influye directamente en salida. El modelo falla. Es irrelevante.

¿Qué describe mejor el contexto?. Dataset. Tokens previos. Código. Infraestructura.

¿Qué NO debe hacerse?. Validar resultados. Refinar prompts. Confiar ciegamente. Iterar.

¿Qué técnica reduce combinaciones?. Boundary. Pairwise. Exploratory. Smoke.

¿Qué técnica prueba límites?. Pairwise. Boundary value. Decision table. State.

Un requisito es ambiguo. El tester debe: Ignorarlo. Clarificarlo. Implementarlo. Testearlo directamente.

¿Qué problema es más crítico?. Alta velocidad. Ambigüedad. Bajo coste. Automatización.

¿Cuál es la mejor descripción de ML?. Solo texto. Aprende de datos. Determinista. Manual.

¿Qué es un LLM?. Hardware. Tipo de ML. Compilador. Script.

¿Qué hace tokenización?. Entrena modelo. Divide texto. Evalúa salida. Reduce coste.

¿Qué afecta al coste?. Usuarios. Tokens. Testers. Navegador.

¿Qué afirmación es correcta?. LLM siempre acierta. LLM es determinista. LLM puede fallar. LLM no depende del prompt.

¿Qué mejora un prompt?. Vaguedad. Ejemplos. Ambigüedad. Falta contexto.

CREATE incluye: Code. Examples. Engine. Execution.

¿Qué práctica es correcta?. No iterar. Refinar. Evitar contexto. Generalizar.

Markdown sirve para: Reducir precisión. Estructurar salida. Aumentar errores. Ignorar formato.

¿Qué debe tener un requisito?. Ambigüedad. Claridad. Vaguedad. Complejidad.

¿Qué es un problema común?. Claridad. Ambigüedad. Precisión. Consistencia.

ML es: Específico. General. Texto. Determinista.

LLM es: No ML. Lenguaje. Determinista. Hardware.

¿Qué es falso?. Depende del prompt. Puede alucinar. Siempre acierta. Usa tokens.

Mejor uso del LLM: Sustituir tester. Apoyo. Automatizar todo. Evitar QA.