SEMANA 3 Ingeniería de Prompts y Comunicación con Sistemas de IA

¿Cuál de los siguientes elementos forma parte de la anatomía de un prompt efectivo?. Sistema operativo. Contexto. Base de datos relacional. Compilador. Firewall.

¿Cuál es el propósito principal del contexto dentro de un prompt?. Reducir el tamaño del modelo. Proporcionar información relevante para mejorar la respuesta. Sustituir los datos de entrada. Corregir errores de hardware. Evitar cualquier tipo de razonamiento.

¿Cuáles de los siguientes componentes suelen formar parte de un prompt efectivo?. Instrucción. Contexto. Datos de entrada. Indicadores de salida esperada. Tarjeta gráfica. Tarjeta de sonido.

¿Qué caracteriza al enfoque Few-shot Prompting?. Solicitar respuestas aleatorias. Limitar la longitud de las respuestas. Proporcionar ejemplos para guiar al modelo. Eliminar el contexto del prompt. Utilizar únicamente preguntas cerradas.

¿Cuáles son beneficios potenciales del Few-shot Prompting?. Ayuda a definir el formato esperado de la respuesta. Mejora la comprensión de la tarea. Puede aumentar la consistencia de las respuestas. Garantiza respuestas siempre correctas. Reduce ambigüedades. Garantiza fuentes siempre correctas.

¿Qué busca la técnica Chain-of-Thought (Cadena de Pensamiento)?. Que la IA razone paso a paso antes de responder. Reducir el número de parámetros del modelo. Sustituir los datos de entrada. Evitar cualquier explicación. Convertir texto en imágenes.

¿Cuáles de las siguientes son técnicas avanzadas de prompting?. Few-shot Prompting. Chain-of-Thought. Asignación de roles. Retroalimentación iterativa. Formateo de discos.

¿Qué se busca mediante la asignación de roles en un prompt?. Cambiar el algoritmo interno del modelo. Definir una perspectiva o especialidad desde la cual responder. Incrementar la memoria RAM del sistema. Evitar el uso de contexto. Reducir el tamaño del texto generado.

¿Cuáles son aplicaciones de los prompts orientados a la investigación?. Revisión de código. Validación de consistencia lógica de textos. Diseño de instrumentos de recolección de datos. Identificación de posibles errores argumentativos. Sustitución completa de la revisión humana. Sustitución total en la especificación de fuentes.

En el diseño de prompts para revisión de código, ¿cuál es un objetivo importante?. Eliminar automáticamente el código fuente. Detectar posibles errores o mejoras. Cambiar el lenguaje de programación sin autorización. Generar datos falsos. Desactivar pruebas de software.

¿Qué acciones forman parte de la evaluación y refinamiento iterativo de prompts?. Auditar las respuestas generadas. Detectar sesgos en la salida. Ajustar instrucciones según resultados obtenidos. Incorporar retroalimentación continua. Aceptar toda respuesta sin revisión. Aceptar todas las fuentes citadas.

¿Cuál es el propósito principal de identificar sesgos en las respuestas de la IA?. Aumentar el consumo de recursos computacionales. Mejorar la calidad y confiabilidad de las respuestas. Eliminar el contexto del prompt. Reducir la velocidad de respuesta. Sustituir al investigador.

¿Cuáles son señales de que un prompt podría requerir refinamiento?. Respuestas ambiguas. Información incompleta. Resultados inconsistentes. Presencia de sesgos detectables. Uso correcto de instrucciones y contexto. Respuestas directas y correctas.

¿Qué elemento de un prompt especifica cómo debe presentarse la respuesta?. Indicadores de salida. Procesador. Sistema operativo. Memoria caché. Tarjeta de red.

¿Cuáles son prácticas recomendadas al trabajar con LLMs en investigación?. Proporcionar instrucciones claras. Incluir contexto relevante. Evaluar críticamente las respuestas obtenidas. Refinar los prompts de manera iterativa. Asumir que toda salida es correcta. Aceptar todas las fuentes identificadas.