LLM (gran modelo de lenguaje)

La definición técnica de LLM: un gran modelo de lenguaje es una red neuronal Transformer entrenada con amplios corpus de texto para modelar la probabilidad del siguiente token a partir de todo lo anterior. Brown et al. (2020) demostraron que, a escala suficiente, este único objetivo produce modelos capaces de realizar muchas tareas para las que nunca se entrenaron explícitamente, con solo indicárselas en el prompt: el aprendizaje en contexto que define al LLM moderno.

ChatGPT, Claude, Gemini y Grok se basan todos en LLM. Se diferencian en los datos de entrenamiento, la escala, el alineamiento y las herramientas, y por eso sus respuestas a una misma pregunta pueden divergir.

¿Qué es un LLM? El significado en palabras sencillas

En términos cotidianos, el significado de LLM es sencillo: un gran modelo de lenguaje es un programa que ha leído una cantidad enorme de texto y ha aprendido los patrones estadísticos del lenguaje. «Grande» se refiere tanto a esos datos de entrenamiento como al tamaño del modelo: los LLM modernos tienen miles de millones de parámetros o más, los pesos ajustables que almacenan lo aprendido. La mayoría de los laboratorios ya no publican el tamaño exacto de sus modelos insignia.

Cuando le haces una pregunta a un LLM, no busca la respuesta. Escribe la respuesta token a token, eligiendo cada vez una continuación probable de todo lo anterior. Por eso los LLM son fluidos y flexibles, y también por eso pueden sonar seguros aunque se equivoquen.

Cómo se entrena un gran modelo de lenguaje

El entrenamiento suele hacerse por etapas, y cada una se apoya en la anterior:

1. 1
   Preentrenamiento. La predicción del siguiente token sobre enormes colecciones de texto enseña al modelo el lenguaje, hechos y patrones de razonamiento.
2. 2
   Entrenamiento como asistente. El ajuste por instrucciones (una forma de ajuste fino con conversaciones de ejemplo) convierte el predictor en bruto en un asistente que sigue peticiones.
3. 3
   Entrenamiento con preferencias. Métodos como RLHF y DPO enseñan al modelo qué respuestas prefieren las personas y a rechazar peticiones dañinas.

Lo que los LLM pueden y no pueden hacer

Los LLM se encargan de una gran variedad de tareas lingüísticas:

• Redactar, editar y reescribir textos en cualquier tono
• Resumir documentos largos y traducir entre idiomas
• Responder preguntas y explicar conceptos paso a paso
• Escribir, revisar y explicar código
• Resolver problemas de razonamiento de varios pasos

Por qué importa en MultipleChat

Ningún LLM es el mejor en todo. MultipleChat ejecuta ChatGPT, Claude, Gemini, Grok y Perplexity con el mismo prompt en paralelo, para que puedas comparar sus respuestas y dejar que los puntos fuertes de un modelo cubran los puntos ciegos de otro. Descubre cómo funciona la comparación.