Tarea 6.1: Análisis de artículos (Fine-tuning, Domain Adaptation y Prompting)
Requisitos de finalización
Abrió: domingo, 30 de marzo de 2026, 00:00
Cierre: martes, 14 de abril de 2026, 12:00
Objetivo
El objetivo de esta actividad es analizar de manera crítica un artículo científico reciente en el área de Procesamiento de Lenguaje Natural, enfocándose en estrategias modernas de fine-tuning, ajuste de dominio o prompting, y evalúa sus fortalezas, limitaciones y posibles mejoras.
Descripción de la actividad
- Seleccionar un artículo científico publicado en conferencia o journal relevante (ACL, EMNLP, NAACL, NeurIPS, ICLR, etc.), que proponga o utilice alguna de las siguientes estrategias:
Fine-tuning de modelos Transformer
Ajuste de dominio (domain adaptation)
Prompting (zero-shot, few-shot, instruction tuning, etc.) - Se recomienda buscar artículos en el repositorio oficial de la comunidad de PLN:
ACL Anthology: https://aclanthology.org/ - El artículo debe estar claramente enfocado en una tarea de PLN (por ejemplo: clasificación, NER, QA, generación de texto, etc.).
Entregable
Se deberá entregar una presentación (PDF o PowerPoint) que incluya de forma clara y sintética:
- Introducción: problema, motivación y contribuciones
- Trabajo relacionado: contexto y enfoques previos
- Metodología: modelo y estrategia utilizada
- Dataset(s): descripción de los datos
- Configuración experimental: entrenamiento y baselines
- Resultados: métricas y comparación con el estado del arte
- Conclusiones: hallazgos principales
Análisis crítico (sección obligatoria)
Incluir una sección final con análisis propio que contemple:
Análisis de la estrategia:
- ¿Por qué la estrategia propuesta funciona?
- ¿Qué ventajas ofrece frente a otras aproximaciones?
- ¿Es escalable o depende fuertemente de recursos/datos?
Debilidades del trabajo:
- Limitaciones metodológicas o del modelo
- Problemas en el diseño experimental
- Posibles sesgos en los datos o en la evaluación
- Comparaciones faltantes o insuficientes
Propuestas de mejora:
- ¿Cómo mejorarías el enfoque propuesto?
- ¿Qué experimentos adicionales agregarías?
- ¿Se podría combinar con otras técnicas vistas en clase?