CertifyDeckCargando contenido…
Databricks Generative AI Engineer Associate · Preguntas de ejemplo
10 preguntas reales del banco de Databricks Generative AI Engineer Associate de CertifyDeck, repartidas por los dominios del temario oficial de Databricks Certified Generative AI Engineer Associate, con la respuesta correcta y la explicación completa de por qué las demás opciones no lo son. Son preguntas originales redactadas a partir del temario público, no dumps, y tienen el mismo estilo que encontrarás en los tests de práctica y en el simulador.
Respuesta correcta: B. El ingeniero que crea el endpoint necesita acceso READ a ese secreto.
Para las variables de entorno basadas en secretos, el requisito es que el creador del endpoint tenga acceso READ a los secretos de Databricks referenciados en la configuración; después el endpoint recupera el secreto al servir. Quienes llaman solo necesitan permiso para consultar el endpoint y nunca manejan el secreto, así que darles READ sobre el scope es innecesario, y CAN MANAGE les daría mucho más que consultar.
Respuesta correcta: D. Llamar a mlflow.genai.register_prompt() con el mismo nombre de prompt y la plantilla corregida
Las versiones de un prompt son inmutables una vez creadas, así que la única forma de cambiar una plantilla es registrar una versión nueva; llamar a register_prompt() con un nombre existente crea la siguiente versión con su propio mensaje de commit. No se puede editar la versión 3 en el sitio, y eliminar un alias solo quita el puntero mientras la versión sigue igual. Los tags son metadatos clave-valor y no cambian la plantilla que devuelve load_prompt().
Respuesta correcta: A. Las condiciones de uso del proveedor enlazadas en el listing, con la licencia concedida y sus restricciones
La política de Marketplace exige que cada listing incluya las condiciones de uso del proveedor con la licencia concedida, otras condiciones pertinentes y las restricciones, y los productos deben cumplirlas. El privilegio USE MARKETPLACE ASSETS y los permisos de Unity Catalog controlan quién accede a los datos, no lo que permite la licencia. Un producto disponible al instante sigue exigiendo aceptar condiciones, así que la etiqueta no significa uso sin restricciones.
Respuesta correcta: C. Recuperar contexto, aumentar el prompt con él y después generar la respuesta
Una cadena RAG determinista recupera los resultados más relevantes para la petición, aumenta un prompt combinando la petición con ese contexto y después envía el prompt aumentado al LLM. Generar antes de aumentar implica que el modelo nunca ve el contexto recuperado, así que la respuesta no estaría fundamentada.
Respuesta correcta: D. Pasarlos en custom_inputs y devolver los enlaces a las fuentes en custom_outputs
ResponsesAgent admite de forma nativa custom_inputs y custom_outputs para entradas adicionales del agente, como un ID de sesión o el tipo de cliente, y para salidas, como enlaces a las fuentes recuperadas, que no deben incluirse en el historial del chat. Añadir esos valores a los mensajes los metería en el historial de la conversación, que es lo que el requisito descarta.
Respuesta correcta: C. Envolver el agente existente en la interfaz ResponsesAgent de MLflow
Databricks recomienda la interfaz ResponsesAgent de MLflow, que permite crear agentes con cualquier framework de terceros y envolver agentes existentes para integrarlos con el registro, las trazas, la evaluación, el despliegue y la monitorización de Databricks. LangChain no es el único framework compatible, convertir cada paso en funciones de Unity Catalog es una reescritura innecesaria y un índice de Vector Search guarda y recupera embeddings, no aloja un agente.
Respuesta correcta: C. La Review App, con su Chat UI y sus sesiones de etiquetado
La Review App ofrece a los expertos del dominio una Chat UI para probar un prototipo y sesiones de etiquetado para registrar valoraciones y expectativas, que MLflow guarda en las trazas y puede convertir en conjuntos de evaluación. La evaluación de calidad de recuperación y el juez Safety son automáticos y no recogen la opinión de expertos, y consultar un endpoint con curl exige conocimientos técnicos y no registra valoraciones estructuradas.
Respuesta correcta: D. Expectations con expected_facts o un expected_response
Correctness necesita ground truth: recibe inputs, outputs y expectations, y lee las claves reservadas de expectations expected_facts o expected_response. La clave guidelines la usan los jueces Guidelines, no Correctness. Un span de recuperación es lo que necesitan los jueces de recuperación, y los outputs puede generarlos MLflow a partir de la traza en la evaluación directa.
Respuesta correcta: C. Trabajar con expertos del dominio y partes interesadas en el contenido y las consultas probables
El corpus adecuado depende de los requisitos de la aplicación, y Databricks recomienda implicar desde el principio a expertos del dominio y partes interesadas para identificar y seleccionar el contenido relevante y las consultas que probablemente harán los usuarios. Ingerir todo incorpora duplicados y documentos irrelevantes que empeoran la recuperación, las clasificaciones de embeddings ordenan modelos y no documentos, y un LLM preentrenado no conoce el contenido propietario, que es justo la razón de usar RAG.
Respuesta correcta: D. RetrievalRelevance
RetrievalRelevance evalúa si el contexto recuperado es relevante para la petición y no necesita datos de referencia. RetrievalSufficiency y Correctness requieren expectativas, como hechos esperados, y RelevanceToQuery evalúa la respuesta de la aplicación, no los documentos recuperados.
Responde cada pregunta antes de abrir la explicación y anota por qué descartas las demás opciones. En Databricks Generative AI Engineer Associate, la mayoría de los fallos vienen de elegir una opción técnicamente posible que no cumple todos los requisitos del escenario.
Estas 10 preguntas sirven para conocer el formato, no como diagnóstico. Para saber en qué dominios fallas, practica por dominio gratis y haz un examen de prueba cronometrado con la ponderación y la duración oficiales.
Empieza gratis, sin registro ni tarjeta. Todas las preguntas llevan una explicación como las de arriba y el simulador reproduce el formato oficial de Databricks Generative AI Engineer Associate.