Capacidad emergente de los LLMs para aprender nuevas tareas y formatos al vuelo a partir de las instrucciones y ejemplos dados en el prompt, sin alterar sus pesos neuronales.
Explicación y Contexto Conceptual
El In-Context Learning (ICL o Aprendizaje en Contexto) es una de las propiedades emergentes más fascinantes de los modelos de lenguaje a gran escala. En el aprendizaje automático tradicional, para que una máquina aprenda una nueva tarea o adopte un nuevo estilo de escritura, era obligatorio actualizar sus matrices de pesos mediante el algoritmo de retropropagación (backpropagation) en un proceso de entrenamiento formal.
En cambio, un LLM suficientemente grande demuestra la capacidad de 'aprender temporalmente' dentro de la memoria de la ventana de contexto. Si se le presenta una estructura de copy completamente inventada por la empresa o una nomenclatura interna secreta junto con dos ejemplos explicativos, el modelo asimila de inmediato la regla y la aplica con perfección matemática en la siguiente oración.
Esta capacidad es la base teórica que sustenta el Few-Shot Prompting y los flujos de trabajo dinámicos en marketing sin incurrir en costos de desarrollo de software complejos.
Ejemplo en la Práctica
Se le enseña a la IA una estructura de copy propia de la agencia llamada "HOOK-VALOR-GIRO" con dos muestras; la IA genera 10 propuestas siguiendo rigurosamente el nuevo método.