Yhteenveto
Tässä moduulissa opit optimoimaan generatiivisen tekoälymallin suorituskykyä täydentävien strategioiden avulla Microsoft Foundryssa.
Olet oppinut, miten:
- 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.
Keskeinen opetus on, että prompt-engineering, RAG ja hienosäätö eivät ole kilpailevia lähestymistapoja – ne ovat täydentäviä strategioita, jotka kattavat mallin suorituskyvyn eri ulottuvuudet. Aloita prompt-engineeringillä mallin käyttäytymisen ohjaamiseksi, lisää RAG kun faktatarkkuus vaatii alakohtaista dataa, ja harkitse hienosäätöä, kun tarvitset johdonmukaista tyyliä ja muotoilua, jota pelkkä kehotteinsinööritaito ei luotettavasti pysty saavuttamaan.
Matkatoimiston skenaariossa tehokkain ratkaisu voisi yhdistää kaikki kolme: hienosäädetyn mallin, joka säilyttää brändin äänen, RAG:n, joka perustaa vastaukset hotellin varsinaiseen katalogiin, sekä prompt-engineering, joka lisää keskustelukohtaisia ohjeita ja turvakaiteita.