Un LLM solo sabe lo que había en su entrenamiento, y tiene una
ventana de contexto finita. Este tramo trata el
problema práctico que separa un juguete de un asistente útil: cómo darle la información
correcta, en el momento correcto, sin pasarte de contexto.
Empieza convirtiendo el significado en números y termina en el patrón que se lo entrega al
modelo como contexto, fundamentado y evaluado.
De los vectores a la búsqueda
Vectores — La representación numérica y cómo se mide la
similitud.
Embeddings — Cómo un modelo coloca significado dentro
de ese espacio vectorial.
Chunking — Partir los documentos en fragmentos
indexables.