Capítulo 10 de 14 · Parte VI

Large Language Models

Parte VI · IA generativa y LLM

Capítulo 10

Large Language Models

Los grandes modelos de lenguaje son el avance más visible de la década.

Nivel avanzadoLogotipo JMA

Qué encontrará en este capítulo

  1. 10.1Arquitectura Transformer
  2. 10.2Tokenización
  3. 10.3Predicción del siguiente token
  4. 10.4Prompt Engineering avanzado
  5. 10.5Modelos de razonamiento y cómputo en inferencia
  6. 10.6Multimodalidad
  7. 10.7Tool use y salidas estructuradas
  8. 10.8Costes y latencia
  9. 10.9Seguridad: prompt injection y guardrails
  10. 10.10Limitaciones de los LLM
  11. 10.11Familias de modelos
  12. 10.12Adaptar un LLM: prompting, RAG o fine-tuning
  13. 10.13Modelos abiertos y despliegue local
  14. 10.14Evaluación de LLM

14 secciones · 17 apartados · 6 ejercicios con soluciones

Capítulo 10 de 14
Objetivos de aprendizaje del capítulo (8)
  • Comprender la arquitectura Transformer y el mecanismo de atención que la distingue.
  • Entender cómo funcionan la tokenización y la generación autorregresiva de texto.
  • Aplicar técnicas estructuradas de prompt engineering y distinguir la generación clásica de los modelos de razonamiento.
  • Conocer las limitaciones estructurales de los LLM (alucinaciones, ventanas largas, sesgos) y las mitigaciones disponibles.
  • Comprender patrones de consumo de API —incluidas herramientas (tool use) y salidas estructuradas—, así como el coste y la latencia asociados.
  • Elegir con criterio entre prompting, RAG y fine-tuning, y valorar el despliegue local de modelos abiertos.
  • Evaluar modelos generativos combinando benchmarks, jueces automáticos y evaluación humana.
  • Reconocer los riesgos de seguridad específicos de los LLM (inyección de prompts, jailbreaks, fuga de datos personales) y sus mitigaciones.