Esittely
Kielimallit ovat tehokkaita työkaluja generatiivisten tekoälysovellusten rakentamiseen, mutta pelkkä perusmalli ei välttämättä täytä kaikkia vaatimuksiasi. Mallin tuottamien vastausten laatu, tarkkuus ja johdonmukaisuus riippuvat siitä, miten sitä konfiguroidaan ja täydennetään.
Kuvittele olevasi matkatoimistolle työskentelevä kehittäjä. Rakennat chat-sovellusta auttaaksesi asiakkaita matkustamiseen liittyvissä kysymyksissä. Perusmalli antaa kohtuullisia vastauksia, mutta tiimilläsi on erityisiä tarpeita: vastausten tulisi noudattaa yrityksen äänensävyä, sisältää tarkkaa tietoa hotelliluettelostasi ja ylläpitää yhtenäistä muotoa vuorovaikutuksissa. Miten saat mallin toimimaan tällä tasolla?
On olemassa useita täydentäviä strategioita, joilla voit optimoida generatiivisen tekoälymallin suorituskyvyn. Nämä strategiat vaihtelevat nopeista, edullisista mukautuksista monimutkaisempiin tekniikoihin, jotka vaativat lisäaikaa ja resursseja.
Tämän moduulin aikana tutkit kutakin näistä strategioista ja opit, milloin ja miten niitä voi soveltaa yksittäin tai yhdessä.
Tässä moduulissa opit
- Käytä prompt-suunnittelutekniikoita, kuten järjestelmäviestejä, muutaman otoksen oppimista ja malliparametreja, optimoidaksesi mallin tuoton.
- Ymmärrä, milloin ja miten kielimalli kannattaa perustaa käyttämällä Retrieval Augmented Generationia (RAG).
- Tunnista, milloin mallin hienosäätö parantaa käyttäytymisen johdonmukaisuutta.
- Vertaa optimointistrategioita ja päätä, milloin ne yhdistetään.
edellytykset
- Perehtyneisyys perustavanlaatuisiin tekoälykäsitteisiin ja -palveluihin Azure:ssa.
- Perusymmärrys generatiivisista tekoälymalleista ja siitä, miten ne tuottavat vastauksia.