> ## Documentation Index
> Fetch the complete documentation index at: https://docs.pioneer.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Endpoints de historial de inferencia y feedback en Pioneer

> Lista el historial de inferencias de Pioneer, filtra por modelo o proyecto, recupera resultados individuales y envía correcciones para mejorar tu modelo mediante Adaptive Inference.

Pioneer almacena cada llamada de inferencia y te permite recuperar resultados por ID o en bloque. También puedes enviar feedback de corrección sobre inferencias individuales. Este feedback señala en qué se equivocó el modelo e impulsa Adaptive Inference, que reentrena automáticamente tu modelo con ejemplos corregidos provenientes del tráfico real.

## Endpoints

| Method | Path                       | Descripción                            |
| ------ | -------------------------- | -------------------------------------- |
| `GET`  | `/inferences`              | Lista inferencias pasadas              |
| `GET`  | `/inferences/:id`          | Obtiene los detalles de una inferencia |
| `POST` | `/inferences/:id/feedback` | Envía feedback                         |
| `GET`  | `/inferences/:id/feedback` | Obtiene el feedback almacenado         |

## Listar inferencias pasadas

`GET /inferences` devuelve una lista paginada de llamadas de inferencia pasadas. Usa los parámetros de consulta siguientes para filtrar los resultados.

### Parámetros de consulta

<ParamField query="limit" type="number">
  Número máximo de resultados a devolver por página.
</ParamField>

<ParamField query="offset" type="number">
  Número de resultados a omitir antes de devolver. Úsalo junto con `limit` para paginar los resultados.
</ParamField>

<ParamField query="model_id" type="string">
  Filtra por ID de modelo. Acepta un ID de trabajo de entrenamiento o un ID de modelo base.
</ParamField>

<ParamField query="task" type="string">
  Filtra por tipo de tarea (por ejemplo `ner`, `classification`, `generate`).
</ParamField>

<ParamField query="project_id" type="string">
  Filtra por ID de proyecto para ver solo las inferencias asociadas a un proyecto concreto.
</ParamField>

<ParamField query="training_job_id" type="string">
  Filtra por ID de trabajo de entrenamiento para ver solo las inferencias ejecutadas contra un modelo ajustado concreto.
</ParamField>

<ParamField query="latency_min" type="number">
  Latencia mínima de extremo a extremo en milisegundos (inclusiva). Debe ser >= 0.
</ParamField>

<ParamField query="latency_max" type="number">
  Latencia máxima de extremo a extremo en milisegundos (inclusiva). Debe ser >= 0 y >= `latency_min` si ambos están definidos.
</ParamField>

<ParamField query="llmaj_score_min" type="number">
  Puntuación mínima de LLM-as-Judge (inclusiva), en el rango `0.0`–`1.0`.
</ParamField>

<ParamField query="llmaj_score_max" type="number">
  Puntuación máxima de LLM-as-Judge (inclusiva), en el rango `0.0`–`1.0`. Debe ser >= `llmaj_score_min` si ambos están definidos.
</ParamField>

<ParamField query="since" type="string">
  Límite inferior inclusivo sobre `created_at`, como marca de tiempo ISO 8601 en UTC.
</ParamField>

<ParamField query="until" type="string">
  Límite superior exclusivo sobre `created_at`, como marca de tiempo ISO 8601 en UTC.
</ParamField>

<Note>
  Tanto `latency_min`/`latency_max` como `llmaj_score_min`/`llmaj_score_max` devuelven `422` si el valor `min` es mayor que el valor `max` correspondiente.
</Note>

### Ejemplo

<CodeGroup>
  ```bash cURL theme={null}
  curl "https://api.pioneer.ai/inferences?limit=20&offset=0&model_id=job_abc123" \
    -H "X-API-Key: YOUR_API_KEY"
  ```

  ```python Python theme={null}
  import requests

  response = requests.get(
      "https://api.pioneer.ai/inferences",
      headers={"X-API-Key": "YOUR_API_KEY"},
      params={
          "limit": 20,
          "offset": 0,
          "model_id": "job_abc123"
      }
  )

  print(response.json())
  ```
</CodeGroup>

## Obtener detalles de una inferencia

`GET /inferences/:id` devuelve el registro completo de una única inferencia pasada, incluyendo el texto de entrada, el esquema, la respuesta del modelo y la marca de tiempo.

<CodeGroup>
  ```bash cURL theme={null}
  curl https://api.pioneer.ai/inferences/INFERENCE_ID \
    -H "X-API-Key: YOUR_API_KEY"
  ```

  ```python Python theme={null}
  import requests

  response = requests.get(
      "https://api.pioneer.ai/inferences/INFERENCE_ID",
      headers={"X-API-Key": "YOUR_API_KEY"}
  )

  print(response.json())
  ```
</CodeGroup>

## Enviar feedback

`POST /inferences/:id/feedback` te permite marcar una inferencia pasada como correcta o incorrecta, adjuntando opcionalmente la salida corregida. Los veredictos incorrectos que incluyen una corrección se usan como ejemplos de entrenamiento etiquetados para Adaptive Inference.

<Note>
  El feedback enviado aquí impulsa Adaptive Inference, el ciclo de mejora continua de Pioneer que reentrena automáticamente tu modelo con las correcciones recopiladas del tráfico real. Consulta la [guía de Adaptive Inference](/guides/adaptive-inference) para más detalles sobre cómo funciona.
</Note>

### Parámetros de la solicitud

<ParamField body="verdict" type="string" required>
  Juicio humano sobre la inferencia: `correct` o `incorrect`.
</ParamField>

<ParamField body="corrected_output" type="object">
  La salida esperada, con la misma forma que la salida de la inferencia original (por ejemplo, una lista `entities` corregida para una inferencia de NER). **Obligatorio** cuando `verdict` es `incorrect`; debe omitirse o ser `null` cuando `verdict` es `correct`. Enviar una combinación incorrecta devuelve `422`.
</ParamField>

<ParamField body="notes" type="string">
  Notas de texto libre del revisor, opcionales. Máximo 5000 caracteres.
</ParamField>

### Ejemplo

<CodeGroup>
  ```bash cURL theme={null}
  curl -X POST https://api.pioneer.ai/inferences/INFERENCE_ID/feedback \
    -H "X-API-Key: YOUR_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "verdict": "incorrect",
      "corrected_output": {
        "entities": [
          {"text": "Apple", "label": "organization", "start": 0, "end": 5},
          {"text": "iPhone", "label": "product", "start": 18, "end": 24}
        ]
      },
      "notes": "Missed the product entity."
    }'
  ```

  ```python Python theme={null}
  import requests

  response = requests.post(
      "https://api.pioneer.ai/inferences/INFERENCE_ID/feedback",
      headers={
          "X-API-Key": "YOUR_API_KEY",
          "Content-Type": "application/json"
      },
      json={
          "verdict": "incorrect",
          "corrected_output": {
              "entities": [
                  {"text": "Apple", "label": "organization", "start": 0, "end": 5},
                  {"text": "iPhone", "label": "product", "start": 18, "end": 24}
              ]
          },
          "notes": "Missed the product entity."
      }
  )

  print(response.json())
  ```
</CodeGroup>

**Respuesta**

<ResponseField name="inference_id" type="string">
  La inferencia que fue anotada.
</ResponseField>

<ResponseField name="human_verdict" type="string">
  El veredicto almacenado.
</ResponseField>

<ResponseField name="human_feedback_at" type="string">
  Marca de tiempo ISO 8601 del momento en que se envió el feedback.
</ResponseField>

## Obtener feedback

`GET /inferences/:id/feedback` devuelve el feedback enviado previamente para una inferencia concreta. Devuelve `404` si todavía no se ha enviado ningún feedback.

<CodeGroup>
  ```bash cURL theme={null}
  curl https://api.pioneer.ai/inferences/INFERENCE_ID/feedback \
    -H "X-API-Key: YOUR_API_KEY"
  ```

  ```python Python theme={null}
  import requests

  response = requests.get(
      "https://api.pioneer.ai/inferences/INFERENCE_ID/feedback",
      headers={"X-API-Key": "YOUR_API_KEY"}
  )

  print(response.json())
  ```
</CodeGroup>

**Respuesta**: tiene la misma forma que la respuesta de [enviar feedback](#enviar-feedback) mostrada arriba.

## Relacionado

* [Inferencia nativa de Pioneer](/api-reference/inference/pioneer): ejecuta nuevas inferencias
* [Guía de Adaptive Inference](/guides/adaptive-inference): mejora continua del modelo a partir del tráfico real