País o región e idioma

    Elige tu país o región y tu idioma.

    Sugerido para ti

      Todos los países y regiones

        Elige tu personaje

        Aparece en la barra superior y en tu perfil. Puedes cambiarlo cuando quieras.

        RAG o ajuste fino

        Elige entre aportar fuentes vigentes y entrenar con ejemplos. Comprueba qué fallo necesitas corregir antes de decidir.

        Revisado el 14 de noviembre de 2026

        Cambios distintos

        RAG recupera fuentes para una solicitud. El ajuste fino modifica el comportamiento del modelo mediante ejemplos de entrenamiento. Citar una política nueva es un requisito distinto de mantener un estilo estable de clasificación. Ningún método elimina la necesidad de evaluar las salidas o controlar quién puede acceder a los datos.

        En una empresa ficticia de reparaciones, cambia el documento de garantías mientras el formato de respuesta sigue igual. Empieza por recuperar la revisión aprobada y comprobar la pertenencia de las citas. Los ejemplos de entrenamiento no demuestran por sí solos que una respuesta haya utilizado la política vigente. Si las decisiones de enrutamiento siguen fallando pese a instrucciones claras y ejemplos representativos, evalúa ese problema de comportamiento antes de plantear un entrenamiento.

        Evidencias para decidir

        Mantén conjuntos fijos de desarrollo y de evaluación reservada. Comprueba por separado la vigencia de las fuentes, las respuestas sin respaldo y los permisos, además del formato. Un método que mejore una dimensión puede no cambiar otra. Combinar recuperación y entrenamiento tampoco hace equivalentes sus costes ni sus fallos.

        La guía de optimización de OpenAI, comprobada el 14 de noviembre de 2026, clasifica el ajuste fino como una función heredada y señala que su plataforma no admite usuarios nuevos. Es un dato sobre la disponibilidad de ese producto, no una afirmación de que el método haya desaparecido. Consulta la vía vigente del proveedor antes de planificar un entrenamiento.

        Alcance de la práctica

        Construye el proyecto RAG local y su conjunto de evaluación. El cuaderno utiliza documentos originales y respuestas preparadas. No entrena pesos, sube conjuntos de datos ni llama a un modelo real. Comprueba aquí la lógica de la aplicación y evalúa la arquitectura real en un entorno autorizado.

        Fuentes

        Your Work Gym account

        Save your progress and pick up on another device. Your browser's progress comes with you.

        or

        You can keep practicing without an account.

        Ayuda y comentarios

        Haz una pregunta, cuéntanos qué no funciona o comparte una idea. Te respondemos por correo electrónico.

        ¿De qué se trata?

        Solo lo usamos para responderte.