Introducción
Wikipedia no es solo una enciclopedia: es una buena plantilla para la citabilidad. Fue una parte pequeña del entrenamiento de modelos de lenguaje como GPT-3, pero de las más valoradas por sus autores, y su forma de escribir es fácil de resumir y de citar.
Explicación: cómo se entrenó GPT-3
Mezcla de datos de entrenamiento de GPT-3 (OpenAI, 2020):
- Common Crawl filtrado: 60 % de la mezcla (web general)
- WebText2: 22 % (páginas enlazadas desde Reddit)
- Books1 y Books2: 8 % cada uno (libros)
- Wikipedia: 3 %
Fuente: Brown et al., «Language Models are Few-Shot Learners», 2020, tabla 2.2 (arXiv:2005.14165).
Por qué Wikipedia marca la diferencia
Wikipedia no era el mayor volumen de datos, pero sí uno de los que sus autores consideraban de más calidad. OpenAI no ha publicado una tabla equivalente para sus modelos posteriores, así que lo que sí se puede afirmar se refiere a GPT-3.
Dato clave:
Durante el entrenamiento de GPT-3, Wikipedia se recorrió unas 3,4 veces y Common Crawl solo 0,44: según el propio artículo, los datos que consideraban de más calidad se muestreaban más a menudo.
Estilo enciclopédico como modelo ideal
Características del formato Wikipedia:
- Definición clara: Primera frase explica qué es el concepto
- Estructura jerárquica: H2 para temas, H3 para subtemas
- Tono neutral: Sin adjetivos comerciales o hipérboles
- Enlaces contextuales: Términos relacionados enlazados naturalmente
- Referencias: Fuentes verificables y citables
Comparación práctica
Contenido comercial típico
"¡Descubre el INCREÍBLE secreto del marketing que REVOLUCIONARÁ tu negocio! Esta PODEROSA estrategia que usan los expertos..."
Estilo Wikipedia
"El marketing de contenidos es una estrategia que consiste en crear y distribuir contenido valioso para atraer y retener una audiencia específica."
Cómo adaptar tu contenido a ese formato
Fórmula de adaptación
- 1. Primer párrafo definitorio: Explica qué es X en 1-2 frases claras
- 2. Estructura temática: Divide en H2 lógicos (Historia, Características, Aplicaciones)
- 3. Tono enciclopédico: Elimina adjetivos comerciales, usa tercera persona
- 4. Enlaces contextuales: Conecta con tu glosario y conceptos relacionados
- 5. Datos verificables: Incluye estadísticas, fechas, fuentes cuando sea posible
El primer punto se puede medir: HABLA, el auditor gratuito de esGEO, comprueba si el primer bloque de tu página dice qué es, para quién, con una cifra y una fecha.
Tip práctico
Antes de publicar, pregúntate: "¿Estaría este contenido en Wikipedia?" Si la respuesta es no, necesitas más neutralidad y estructura.