Explicador en lenguaje claro
El aprendizaje en contexto, explicado
¿Cómo puede un modelo aprender de ejemplos en el prompt sin reentrenarse?
Pon tres ejemplos de una tarea en tu prompt y el modelo hace la cuarta con el mismo patrón, sin cambiar un solo peso. Eso es el aprendizaje en contexto. Funciona porque el preentrenamiento premió sin descanso continuar patrones, así que seguir patrones se volvió uno de los reflejos más fuertes del modelo. El aprendizaje es real pero alquilado: existe solo dentro de la ventana de contexto actual, y desaparece en cuanto la conversación termina.
No te quedes en leerlo. Opera tú mismo el mecanismo en una lección interactiva corta.
Míralo funcionar: Aprendizaje en contexto: enseñar sin entrenar →Gratis, sin código, sin registro.
Lo que la gente entiende mal
- El modelo aprendió de mis ejemplos para siempre. En la próxima conversación ya no están. Solo el context los llevaba.
- El few-shot es una forma de entrenamiento. Sin gradiente, sin cambio de pesos. Es completar patrones en el momento de la inferencia.
- Más ejemplos siempre ayudan. Gastan tokens de context, y los ejemplos inconsistentes enseñan el patrón equivocado.
Dónde lo ves en productos reales
- Los prompts de sistema tipo 'aquí van tres ejemplos de nuestro tono' corren sobre esto.
- Las funciones de fórmula-por-ejemplo de las hojas de cálculo son el mismo reflejo.
- Pega una muestra de escritura y el modelo la imita: aprendizaje en contexto, en vivo.
Explicadores relacionados
Parte de See How AI Works, un curso interactivo gratuito, donde aprendes cómo funciona la IA moderna operándola, no viendo videos.