Year: 2026
Type: dissertation
Abstract: Este Trabajo Fin de Grado tiene como objetivo el estudio y comparación de diferentes técnicas de generación de datos sintéticos mediante el uso de Modelos de Lenguaje Pequeños (Small Language Models, SLM). Para ello, se ha diseñado un pipeline completo que abarca desde la recolección de un dataset de noticias en francés, su limpieza y categorización, hasta su estructuración en bases de datos no relacionales y vectoriales. A partir de este corpus, se han implementado y evaluado tres enfoques de generación de texto a partir de titulares de noticias: modelos en Zero-Shot, técnicas de Retrieval-Augmented Generation (RAG) y modelos ajustados mediante QLoRA (Quantized Low-Rank Adaptation). La evaluación de los resultados se realiza mediante diferentes métricas matemáticas y técnicas basadas LLM, que permiten medir la similitud semántica, la calidad lingüística y la consistencia de los datos generados. Finalmente, se lleva a cabo un análisis comparativo entre los distintos métodos con el objetivo de determinar cuál de ellos produce resultados más cercanos al corpus de referencia, así como identificar las configuraciones más adecuadas según el objetivo de la generación.
Author: Abdellaoui, Ayman
Language: Spanish
Topic: Topic Modeling
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
SDG: Quality education
Open Access status: green
OpenAlex ID: W7215023729