Úvod
Jazykové modely jsou výkonné nástroje pro vytváření generovaných aplikací umělé inteligence, ale základní model sám o sobě nemusí splňovat všechny vaše požadavky. Kvalita, přesnost a konzistence odpovědí, které model generuje, závisí na tom, jak ho nakonfigurujete a rozšíříte.
Představte si, že jste vývojář pracující pro cestovní kancelář. Vytváříte chatovací aplikaci, která zákazníkům pomůže s jejich dotazy souvisejícími s cestováním. Základní model poskytuje slušné odpovědi, ale váš tým má specifické potřeby: odpovědi by měly odpovídat tónu hlasu společnosti, zahrnovat přesné informace o vašem hotelovém katalogu a udržovat konzistentní formát napříč interakcemi. Jak dosáhnout toho, aby model dosáhl této úrovně?
K optimalizaci výkonu generujícího modelu AI můžete použít několik doplňkových strategií. Tyto strategie se liší od rychlých, nízkonákladových úprav až po pokročilejší techniky, které vyžadují další čas a zdroje.
V tomto modulu prozkoumáte každou z těchto strategií a naučíte se, kdy a jak je použít jednotlivě nebo v kombinaci.
V tomto modulu se naučíte:
- K optimalizaci výstupu modelu použijte techniky navrhování podnětů, včetně systémových zpráv, učení na několika ukázkách a parametrů modelu.
- Pochopte, kdy a jak založit jazykový model pomocí RAG (Retrieval Augmented Generation).
- Určete, kdy vyladění modelu zlepšuje konzistenci chování.
- Porovnejte strategie optimalizace a určete, kdy je zkombinovat.
Předpoklady
- Znalost základních konceptů a služeb umělé inteligence v Azure
- Základní znalosti generovaných modelů AI a jejich generování odpovědí.