Tu sesión se ha marcado por actividad inusual.
Confirma que eres una persona para continuar.
La capacidad de un modelo para aprender una tarea a partir de ejemplos o instrucciones incluidos en el prompt en el momento de la inferencia, sin ningún cambio en sus pesos.
El aprendizaje en contexto es el comportamiento emergente que Brown et al. (2020) observaron en GPT-3: al mostrarle unos pocos ejemplos en el prompt, el modelo realiza la tarea sin actualizaciones de gradiente. El estudio de Dong et al. (2022) cataloga cómo funciona y qué lo hace fiable.
Es lo que hace eficaces el prompting, los ejemplos few-shot y la cadena de pensamiento, y la razón por la que un único modelo congelado puede realizar tantos trabajos distintos.
Fuentes primarias, revisadas por pares y de archivo para esta definición.
Ejecuta el mismo prompt en ChatGPT, Claude, Gemini, Grok y Perplexity en paralelo, con tus propios archivos como contexto y respuestas que puedes contrastar.
Prueba MultipleChat gratisSigue aprendiendo
Envía una misma petición a varios modelos y comprueba qué respuesta aguanta.
HumanizadorReescribe borradores de IA con otro modelo para que suenen naturales.
GratisHumaniza texto de IA sin coste antes de pasar a un plan de pago.
DetectorDetecta patrones típicos de IA y revisa lo que haga falta.
GuíaEntiende qué miden los detectores y cómo escribir con honestidad.
Espacio de trabajoChatGPT, Claude, Gemini, Grok y Perplexity en un solo espacio de trabajo.
Herramientas gratisEmpieza con las herramientas gratis y pasa a pago cuando el multimodelo te ahorre tiempo.
