Del via

Brug Copilot Tuning til at finjustere modeller til brug i Microsoft 365 Copilot (prøveversion)

I denne artikel beskrives det, hvordan du bruger Copilot Tuning til at oprette finjusterede modeller i Copilot Studio, som du kan bruge sammen med deklarative agenter til Microsoft 365 Copilot. Finjustering er en proces, hvor du kan tilpasse en forudlært model til en bestemt opgave på dine egne lejerdata. Du kan bruge disse finjusterede modeller til at bygge agenter, der er eksperter i at udføre domænespecifikke opgaver og betjene dem i Microsoft 365 Copilot.

Finjustering hjælper din model med at præstere bedre på opgaver, der er relevante for din organisation. En finjusteret model er især nyttig for organisationer med entydige data eller specialiserede krav.

Denne artikel indeholder en grundlæggende oversigt over Copilot Tuning-processen i Copilot Studio. Du kan finde mere detaljerede opgavespecifikke vejledninger, der kan hjælpe dig med at få de bedste resultater fra finjustering for din organisation og dine opgaver, under Oversigt over Copilot Tuning.

Fordele ved tilpasning af copilot

Finjustering af modeller er en effektiv teknik, der bruges til at skræddersy store sprogmodeller til dine specifikke behov. Finjustering komplementerer andre generative AI-optimeringsteknikker, f.eks. Hentning af augmented generation (også kendt som RAG) og promptoptimering. Finjustering er velegnet, når du vil styre modellens funktionsmåde stramt.

Finjustering kræver normalt, at et team af ekspertdataspecialister organiserer datasæt og opretter opgavespecifikke dataforberedelses- og oplæringspipelines.

Copilot Tuning i Copilot Studio forenkler i høj grad denne proces og gør den til et værktøj, som stort set alle fageksperter kan bruge.

Copilot Studio uddrager meget af kompleksiteten i processen. Copilot Studio Copilot Tuning-processen er lavkode og omdanner finjustering fra et komplekst, ressourcetungt projekt til en strømlinet selvbetjeningsoplevelse.

Automatiseret dataforberedelse, der leveres af AI, omdanner støjende virksomhedsindhold til træningssæt af høj kvalitet med minimal indsats. Denne automatisering minimerer behovet for manuelt at mærke ved kun at anmode om menneskeligt input, hvis modeltilliden er lav. Automatiseringen giver dig mulighed for at skære ned på indsatsen for datamærkater.

Endelig sparer denne funktion dig for at oprette specialiserede databehandlings- og træningspipelines.

Sikkerhed

Copilot Tuning tilbyder forbedret sikkerhed sammenlignet med konventionelle finjusteringsteknikker ved at sikre, at det kun er brugere med de rette adgangskontroller – defineret af dine eksisterende Microsoft Entra-sikkerhedsgrupper – der kan bruge modellen, når de bygger Microsoft 365 Copilot-agenter. Administratorer kan også hurtigt fjerne modeller fra produktionen, hvilket øger sikkerheden yderligere.

Ingen kan se dine data, heller ikke under træningen. Al oplæring og afledning sker i lejerisoleret miljø.

Hvilken type opgaver kan Copilot Tuning udføre?

I øjeblikket kan du bruge Copilot Tuning til følgende opgaver:

  1. Spørgsmål og svar: Ekspertspørgsmål og -svar kan præcist besvare spørgsmål i komplekse videndomæner, f.eks. HR og professionelle servicescenarier, hvor RAG alene ville være utilstrækkelig.
  2. Dokumentoprettelse: Dokumentoprettelse er en god ide at oprette komplekse, strukturerede dokumenter, der skal følge bestemte formater, f.eks. aftaler, kontrakter og teknisk dokumentation.
  3. Dokumentopsummering: Dokumentopsummering destiller præcist komplekse oplysninger – f.eks. lovgivningsmæssige eller lovgivningsmæssige analyser – til skræddersyede opsummeringer.

Støtteberettigelse

Copilot Tuning er et EAP (Early Access Program). Se Introduktion til Microsoft 365 Copilot Tuning for at få flere oplysninger om EAP-berettigelse.

I en organisation, hvor Copilot Tuning er tilgængelig, styrer en Microsoft 365-administrator adgang. Administratoren kan aktivere Copilot Tuning for organisationen eller lejerniveauet. Administratoren kan også begrænse adgangen til denne funktion for bestemte brugere i organisationen.

Få adgang til Copilot Tuning i Copilot Studio

Når din Microsoft 365-administrator gør Copilot Tuning tilgængelig i din lejer og giver dig tilladelser til udformning, modtager du en mail, der inviterer dig til at begynde at bygge din første model med Microsoft Copilot Studio.

Benyt følgende fremgangsmåde for at få adgang til Copilot Tuning:

  1. Log på Copilot Studio ved hjælp af en brugerkonto med rollen Modelopretter .

  2. Vælg de tre prikker (...) i venstre navigationsrude, og vælg derefter Copilot Tuning.

    Siden Copilot Tuning åbnes.

    Hvis du ikke kan se denne indstilling, er Copilot Tuning ikke tilgængelig for din lejer, eller du har ikke tilladelse til at oprette finjusterede modeller.

Opret en finjusteret model

Copilot Tuning er en træningsproces med flere trin. Som med enhver maskinel indlæringsproces er kvaliteten og mængden af oplæringsdata afgørende for modellens succes.

Notat

Copilot Tuning understøtter i øjeblikket kun Sharepoint-filer og er begrænset til Word-dokumenter, PDF-filer og tekstfiler.

Konfigurer grundlæggende modelparametre

Konfigurer først parametre på højt niveau for det, du vil have din model til at gøre, hvordan den skal fungere, og de relevante datakilder, der skal bruges.

  1. Gå til siden Copilot Tuning, og vælg Opret en ny model. Du føres til siden Tilpas din model til din opgaveside .

  2. Angiv et sigende navn og en beskrivelse af din model.

    Beskriv modellen på en måde, så brugerne i din organisation hurtigt kan forstå, hvordan det kan hjælpe dem i deres arbejde.

  3. Under Vælg videnkilder skal du vælge Tilføj viden.

    Siden Føj viden til din model vises.

    1. Vælg en videntype. SharePoint er i øjeblikket tilgængelig.

    2. Vælg en videnkilde. Gennemse en SharePoint-fil på computeren, eller angiv en URL-adresse til kilden, og vælg derefter Tilføj.

    3. Gentag det forrige trin efter behov for at tilføje flere videnkilder.

    4. Når du er færdig med at tilføje videnkilder, skal du vælge Tilføj for at fortsætte.

  4. Under Tilladelser skal du angive de Microsoft Entra-sikkerhedsgrupper, der skal have adgang til modellen, når den installeres.

    Copilot-justering udelukker automatisk filer, som dine valgte sikkerhedsgrupper ikke har adgang til, fra oplæringen. Copilot Studio foreslår også automatisk andre sikkerhedsgrupper for at maksimere bredden af den viden, du sikkert kan inkorporere i din model.

  5. Under Opgavetype skal du vælge den ønskede opgavetype.

  6. I afsnittet Modelinstruktioner , der vises, skal du besvare spørgsmålene som anvist. Angiv instruktionsoplysninger som anvist. Du kan finde flere oplysninger i den detaljerede opgavespecifikke vejledning i dokumentationen til Microsoft 365 Copilot Tuning.

    Modelvejledningen hjælper Copilot Studio med at identificere og forberede de mest relevante data fra dine videnkilder. Gode modelanvisninger giver modellen tip til, hvordan du fortolker data under oplæringsprocessen.

  7. Vælg Gem kladde for at gemme status, eller vælg Forbered mærkatdata, hvis du er klar til at fortsætte med finjusteringsprocessen.

    Copilot Studio begynder at forberede dataene til mærkning.

    Copilot Studio informerer dig, hvis nogle af dine valgte videnkilder ikke er tilgængelige for de valgte sikkerhedsgrupper. Copilot Studio foreslår automatisk andre sikkerhedsgrupper for at maksimere bredden af den viden, du sikkert kan inkorporere i din model.

  8. Foretag justeringer af sikkerhedsgrupperne for at udvide dækningen efter behov, og vælg derefter Fortsæt med markeringen.

    Copilot Studio forbereder dataene til mærkning.

    Vigtig

    Afhængigt af størrelsen på dine data kan det tage op til 24 timer at fuldføre præparatet. Mens præparatet sker, kan du fortsætte med at arbejde i Copilot Studio eller lukke browserfanen og vende tilbage senere. Du modtager en mailmeddelelse, når dette trin er fuldført. Du kan når som helst kontrollere status ved at vende tilbage til Copilot Studio og opdatere modellisten.

Mærk oplæringseksempler

Når dine data er behandlet, sender Copilot Studio en mailmeddelelse, der angiver, at dine data er klar til mærkning.

Copilot Studio giver dig genererede træningseksempler, der er relevante for opgaven og de data, du har angivet. Du skal gennemse eksemplerne og give feedback om eksempelkvaliteten.

Mærkning er et afgørende skridt, da det grundlæggende ville lære modellen, hvordan man identificerer ideelle eksempler på uddannelse. Sørg for, at personer med domæneekspertise udfører denne opgave. Hvis du ikke er domæneekspert, kan du delegere mærkatopgaver til eksperter i emneområdet via en indbygget arbejdsproces til administration af mærkater.

Mærkatprocessen gennemgår generelt flere batches. Oplæring af en model kan kræve op til fire til fem batches etiketter.

Når mærkningen er fuldført, er du klar til at træne din model. Vælg Start oplæring for at fortsætte.

Oplær modellen

Copilot Studio træner modellen ved hjælp af de navngivne data. Oplæring er en fuldt automatiseret proces, der ikke kræver yderligere input fra dig.

Vigtig

Afhængigt af størrelsen på dine data kan oplæringsprocessen tage op til 24 timer.

Du modtager en mail, når oplæringen er fuldført. Du kan også kontrollere status når som helst ved at vende tilbage til Copilot Studio og opdatere modellisten.

Evaluer modellen

I den sidste fase får du et sæt side om side-sammenligninger mellem, hvilke resultater der er fra det finjusterede modeloutput i forhold til resultaterne fra den oprindelige, ikke-finjusterede model. Hvis du vil fortsætte med at forbedre kvaliteten af modellens svar, kan du starte en ny modeltræningskørsel.

Hvis du vil forbedre modeloutput i den næste oplæringskørsel, skal du sikre, at dit datasæt er tilpasset din models specifikke opgave, og at dine data er mærket af domæneeksperter.

Publicer modellen til Microsoft 365 Copilot

Når du er tilfreds med modellens output, skal du publicere modellen i dit Microsoft 365-lejerkatalog.

Din model er nu tilgængelig til brug af din lejers agenter til Copilot.

Notat

Det er kun medlemmer af de sikkerhedsgrupper, du valgte i starten af finjusteringsprocessen, der kan bruge modellen i agenter.

Du kan få flere oplysninger om, hvordan du bruger modellen i agenter til Copilot, i dokumentationen til Microsoft 365 Copilot.

Begrænsninger og begrænsninger

Der er nogle begrænsninger og begrænsninger, du skal være opmærksom på, når du opretter finjusterede modeller:

  • Hvis du tilføjer videnkilder efter oplæring af modellen, skal du genstarte finjusteringsprocessen fra bunden.
  • Copilot Studio understøtter endnu ikke versionsstyring af modeller.
  • Hvis en bruger, hvis data er blevet brugt til oplæring af en model, indsender en gyldig anmodning om sletning i henhold til GDPR (eller lignende bestemmelser), skal du oplære modellen igen.
  • Når du finjusterer en model, justeres modelvægtene på baggrund af oplæringsdataene. Du kan når som helst slette den finjusterede model.
  • Du er ansvarlig for, hvordan data indsamles, gemmes og bruges i dit lejermiljø.
  • Du skal sikre, at dine datapraksisser opfylder de juridiske krav til gennemsigtighed, samtykke, adgang og sletning.
  • Du er ansvarlig for at kontrollere nøjagtigheden, hensigtsmæssigheden og overholdelse af output, der genereres fra dette system, før du bruger dem. Bekræftelse kan kræve gennemgang sammen med eksperter inden for emnet.

Relateret indhold