course/pr_1213/es/chapter7/8.md

Dominar los LLMs[[mastering-llms]]

Si llegaste hasta aquí en el curso, ya tienes la base técnica necesaria para trabajar con casi cualquier tarea de lenguaje usando 🤗 Transformers y el ecosistema de Hugging Face.

Del PLN clásico a los LLMs

Aunque en este curso cubrimos tareas clásicas de PLN, el campo ha cambiado mucho con los modelos de lenguaje de gran tamaño (LLMs). Estos modelos han ampliado de forma drástica lo que puede hacerse con lenguaje natural:

• Pueden resolver varias tareas sin ajuste fino específico para cada una.
• Destacan siguiendo instrucciones y adaptándose al contexto.
• Generan texto coherente en una gran variedad de aplicaciones.
• Permiten nuevas técnicas de prompting y razonamiento guiado.

Las bases que aprendiste aquí siguen siendo centrales. Entender tokenización, arquitecturas, ajuste fino, evaluación y despliegue sigue siendo exactamente lo que permite trabajar con LLMs con criterio y no como una caja negra.

Después de esta parte del curso deberías poder:

• Elegir la arquitectura adecuada para una tarea.
• Entender la diferencia entre preentrenamiento y ajuste fino.
• Entrenar modelos con Trainer, Accelerate o TensorFlow/Keras.
• Evaluar tareas generativas con métricas como BLEU y ROUGE.
• Publicar y reutilizar modelos desde el Hub.

El siguiente paso natural es aprender a depurar mejor tus pipelines, comunicar errores con precisión y apoyarte en la comunidad cuando aparezcan problemas complejos.