En el aprendizaje automático, el entrenamiento ajusta un modelo mediante datos y un objetivo. Después se aplica el sistema resultante a nuevas entradas. También puede utilizar ejemplos del contexto actual sin cambiar permanentemente sus parámetros.

La pregunta importante es qué se transfiere a casos desconocidos. Busca evaluaciones más allá de ejemplos familiares, separación clara entre entrenamiento y prueba, y explicaciones de dónde cambia el rendimiento. Más datos son una decisión de recursos, no una explicación completa del aprendizaje.

Fuentes y lecturas adicionales

Los enlaces llevan a la información original o a investigaciones primarias.

  1. Vaswani et al. · Attention Is All You Need (2017)
  2. Liang et al. · Holistic Evaluation of Language Models (2022)