Estimación de competencia multi-vista eficiente en parámetros | De la clasificación discriminativa a la retroalimentación generativa en IA | Cómo generar feedback detallado optimizando el uso de recursos computacionales

Abstract

PROBLEMA: La evaluación de la competencia de un usuario o de un modelo suele ser un proceso costoso o limitado a una sola métrica, lo que no proporciona una visión holística de las capacidades reales. SOLUCIÓN: Este trabajo introduce un método de estimación de competencia multi-vista que es eficiente en parámetros (PEFT), permitiendo pasar de una simple clasificación discriminativa a una retroalimentación generativa detallada. METODOLOGÍA: El enfoque integra múltiples fuentes de datos y perspectivas de evaluación utilizando módulos adaptadores ligeros que procesan diferentes aspectos de la ejecución de la tarea. RESULTADOS: El sistema logra una precisión superior en la identificación de áreas de mejora del usuario mientras mantiene una carga computacional mínima, superando a métodos de fine-tuning completo. RELEVANCIA: Muy relevante para sistemas de educación adaptativa, interfaces humano-IA y optimización de interacción mediante feedback granular.