Cuestionario sobre datos sintéticos con PII y tokenización
Preguntas de opción múltiple
¿Cuál es el contrato de salida del modelo y cuál es su límite?
- A) Generar siempre un documento anónimo correcto
- B) Todas las cadenas de origen son PII
- C) Filas candidatas TYPE/TAB/ORIGINAL; evaluar por separado las omisiones y clasificaciones erróneas
- D) Devolver la pertenencia al proyecto
Mostrar respuesta
Respuesta: C
La coincidencia con el origen demuestra que el texto aparece en él, pero no su corrección semántica ni que se haya detectado por completo.
¿Cómo se gestionan los nombres con distintos espacios y un [PERSON_1] preexistente?
- A) Reemplazar todas las variantes ortográficas con un único valor de correspondencia
- B) Usar tokens reversibles por variante y evitar los nombres de marcador existentes
- C) Restaurar siempre el marcador anterior como un nombre nuevo
- D) Acortar el origen de forma arbitraria
Mostrar respuesta
Respuesta: B
Si coinciden el tipo y la grafía, se reutiliza un token; las grafías distintas reciben tokens separados, vinculados al texto real del origen.
¿Qué afirmación sobre las particiones y el alcance de la validación es correcta?
- A) Hay 1.600/200/400 registros; se pueden compartir plantillas y nombres entre particiones
- B) Los hashes diferentes demuestran la generalización a cargas de trabajo reales
- C) Un fallo de checksum demuestra que no hubo una asignación oficial
- D) Todo PHONE es un número reservado oficialmente
Mostrar respuesta
Respuesta: A
Se conservan los hashes existentes de generator-1.0.0; distinga las pruebas con plantillas sintéticas de la evaluación con cargas de trabajo reales.
¿Cómo gestiona la evaluación corregida de filtraciones el caso en que solo se enmascara Alpha de Alpha Beta en el valor gold?
- A) Informar siempre cero porque desapareció la cadena completa
- B) Detectar una parte no cubierta del intervalo del texto de origen en gold
- C) Buscar únicamente nombres de marcador
- D) Forzar la filtración a cero después de un ciclo de ida y vuelta correcto
Mostrar respuesta
Respuesta: B
Comprueba que la unión de los reemplazos cubra todo el intervalo de origen. La restauración y la detección completa son métricas distintas.
¿Qué demuestra la comprobación oracle de 2.200 registros con un TSV de respuestas?
- A) El F1 medido de un modelo ajustado
- B) El rendimiento de GPU
- C) La coherencia del evaluador, la restauración y los hashes, no la calidad de la salida del modelo
- D) La detección garantizada de toda PII real
Mostrar respuesta
Respuesta: C
Se aprobaron cincuenta pruebas locales y la comprobación oracle; no se ejecutó el entrenamiento en GPU ni la evaluación del modelo ajustado.