In NLP, what is the main challenge addressed by the technique known as "transfer learning"?*1 pointTraining models from scratch for each taskHandling multilingual textReducing data sparsity in large datasetsAdapting pre-trained models to new tasks with limited data

El principal desafío abordado por la técnica conocida como "transfer learning" en NLP es adaptar modelos preentrenados a nuevas tareas con datos limitados.

Paso a paso:

1. Identificación del desafío: En NLP, entrenar modelos desde cero para cada tarea específica puede ser muy costoso y requerir grandes cantidades de datos.
2. Solución propuesta: "Transfer learning" permite utilizar modelos que ya han sido preentrenados en grandes conjuntos de datos y adaptarlos a tareas específicas con una cantidad limitada de datos.
3. Proceso de adaptación: Este proceso implica ajustar los parámetros del modelo preentrenado para que se desempeñe bien en la nueva tarea, aprovechando el conocimiento adquirido durante el preentrenamiento.
4. Beneficio principal: La técnica reduce la necesidad de grandes volúmenes de datos y recursos computacionales para entrenar modelos desde cero, facilitando la aplicación de modelos avanzados en tareas específicas con datos limitados.

Por lo tanto, la respuesta correcta es: Adaptar modelos preentrenados a nuevas tareas con datos limitados.