Entrenamiento (de modelos)

Proceso por el que un modelo ajusta sus parámetros analizando datos para minimizar sus errores. Es la fase más costosa del ciclo de vida de un modelo de IA y determina lo que el modelo sabe.

Proceso por el que un modelo ajusta sus parámetros analizando datos para minimizar sus errores. Es la fase más costosa del ciclo de vida de un modelo de IA y determina lo que el modelo sabe.

Actualizado: 3 de junio de 2026.

Entrenar un modelo consiste en mostrarle datos, medir cuánto se equivoca con una función de pérdida y ajustar sus pesos mediante descenso de gradiente para que mejore. Se repite durante muchas épocas hasta que el rendimiento se estabiliza.

Fases típicas en un LLM

1. Preentrenamiento: el modelo aprende lenguaje general sobre enormes corpus de texto.
2. Fine-tuning: se especializa en tareas o estilos concretos.
3. RLHF: se alinea con las preferencias humanas.

Cuidado con el sobreajuste

Si el modelo memoriza los datos en vez de generalizar, sufre sobreajuste y falla con datos nuevos. La validación cruzada ayuda a detectarlo a tiempo.