Modelo de lenguaje grande

Modelo entrenado sobre grandes volúmenes de texto y otros datos para comprender y generar lenguaje, código y estructuras relacionadas. «Modelo de lenguaje grande» pertenece al funcionamiento o diseño de sistemas de IA y no debe interpretarse como una garantía de exactitud, autonomía o seguridad por sí misma. Su comportamiento real depende del modelo, los datos, el contexto, las instrucciones, las herramientas disponibles y los controles que rodean a la aplicación. Por eso debe evaluarse en la tarea concreta y no solo por la etiqueta tecnológica.

En una aplicación de IA, modelo de lenguaje grande se configura y prueba sobre casos reales. La práctica adecuada es observar cómo afecta a la calidad de la salida, registrar los fallos relevantes y combinarlo con límites, evaluaciones y revisión cuando la tarea lo requiera.

Importa al diseñar, evaluar o depurar una funcionalidad basada en modelos, especialmente cuando la calidad varía entre casos o el sistema puede ejecutar acciones. Entender modelo de lenguaje grande permite decidir qué debe medirse, limitarse o revisarse.

No debe utilizarse como sinónimo de «Modelo fundacional». Este último se refiere a modelo entrenado a gran escala y con capacidad de adaptarse o servir de base a múltiples tareas y aplicaciones posteriores. «Modelo de lenguaje grande» tiene un alcance distinto y debe conservarse como concepto propio para evitar decisiones o búsquedas ambiguas.

Un LLM resume un contrato, extrae obligaciones y responde preguntas sobre texto; no por ello conoce necesariamente la documentación interna de la organización.