Megosztás a következőn keresztül:

Megtudhatja, hogyan hozhat létre vagy kezelhet szövegeket

  • Cikk

Az Azure OpenAI szolgáltatás egy befejezési végpontot biztosít, amely sokféle feladathoz használható. A végpont egy egyszerű, mégis hatékony szöveges- és szöveges felületet biztosít bármely Azure OpenAI-modellhez. A befejezés aktiválásához beír egy szöveget egy üzenetként. A modell létrehozza a befejezést, és megpróbálja egyezni a környezettel vagy a mintával. Tegyük fel, hogy megadja a "Ahogy Descartes mondta, azt hiszem, ezért" üzenetet az API-nak. Ebben a kérdésben az Azure OpenAI nagy valószínűséggel az "I am" befejezési végpontot adja vissza.

A befejezések felfedezésének legjobb módja az Azure OpenAI Studióban található játszótér. Ez egy egyszerű szövegmező, amelyben beír egy kérést a befejezés létrehozásához. A következőhöz hasonló egyszerű üzenettel kezdhet:

write a tagline for an ice cream shop

Miután megadta a kérést, az Azure OpenAI megjeleníti a befejezést:

we serve up smiles with every scoop!

A megjelenő befejezési eredmények eltérhetnek, mivel az Azure OpenAI API minden interakcióhoz friss kimenetet hoz létre. Előfordulhat, hogy az API minden hívásakor kissé eltérő befejezést kap, még akkor is, ha a kérése ugyanaz marad. Ezt a viselkedést a Temperature beállítással szabályozhatja.

Az egyszerű szövegbeviteli, szövegkiegészítési felület azt jelenti, hogy az Azure OpenAI-modellt "programezheti", ha utasításokat ad meg, vagy csak néhány példát arra, hogy mit szeretne tenni. A kimenet sikeressége általában a feladat összetettségétől és a kérés minőségétől függ. Az általános szabály az, hogy gondolja át, hogyan írna egy szóproblémát egy kamaszkor előtti diáknak, hogy megoldja. A jól megírt kérés elegendő információt biztosít a modell számára ahhoz, hogy megtudja, mit szeretne, és hogyan kell válaszolnia.

Megjegyzés

A modell betanítási adatai különbözőek lehetnek az egyes modelltípusokhoz. A legújabb modell betanítási adatai jelenleg csak 2021 szeptemberéig terjednek ki. A kéréstől függően előfordulhat, hogy a modell nem ismeri a kapcsolódó aktuális eseményeket.

Tervezési kérdések

Az Azure OpenAI-szolgáltatásmodellek mindent megtesznek az eredeti történetek létrehozásától az összetett szövegelemzésig. Mivel sok mindent meg tudnak tenni, explicitnek kell lennie a kívánt elem megjelenítésében. A jó kérések írásának titka gyakran nemcsak az üzenet, hanem a megjelenített tartalom.

A modellek a parancssorból próbálják előre jelezni, hogy mit szeretne. Ha a "Adja meg a macskafajták listáját" üzenet jelenik meg, a modell nem feltételezi automatikusan, hogy csak egy listát kér. Lehet, hogy elkezd egy beszélgetést, ahol az első szavakat a "Give me a list of cat breeds", majd a "és megmondom, melyik tetszik." Ha a modell csak azt feltételezi, hogy a macskák listáját szeretné, az nem lenne olyan jó a tartalom létrehozásában, besorolásában vagy más feladatokban.

A robusztus kérések létrehozásának irányelvei

A hasznos kérések létrehozásának három alapvető irányelve van:

  • Mutasd meg és mondd el. Az utasításokat, példákat vagy a kettő kombinációját követve egyértelművé teheti, hogy mit szeretne. Ha azt szeretné, hogy a modell betűrendbe rendezze az elemek listáját, vagy hangulat szerint osztályozzon egy bekezdést, adja meg ezeket a részleteket a modell megjelenítéséhez.

  • Minőségi adatok megadása. Ha osztályozót próbál létrehozni, vagy a modellt egy minta követésére kéri le, győződjön meg arról, hogy van elég példa. Mindenképpen ellenőrizze a példákat. A modell elég okos ahhoz, hogy megoldja az alapvető helyesírási hibákat, és értelmes választ adjon. Ezzel szemben a modell feltételezheti, hogy a hibák szándékosak, ami hatással lehet a válaszra.

  • Ellenőrizze a beállításokat. A valószínűségi beállítások, például Temperature a és Top Pa szabályozzák, hogy a modell mennyire determinisztikus a válasz létrehozásakor. Ha olyan választ kér, amelyre csak egy helyes válasz van, akkor alacsonyabb értékeket kell megadnia ezekhez a beállításokhoz. Ha nem egyértelmű választ keres, érdemes lehet magasabb értékeket használnia. Ezekkel a beállításokkal a felhasználók leggyakrabban azt a hibát követik el, hogy a modell válaszában az "okosságot" vagy a "kreativitást" szabályozzák.

Parancssori problémák elhárítása

Ha nem sikerül a várt módon végrehajtani az API-t, tekintse át az alábbi pontokat a megvalósításhoz:

  • Világos, hogy mi legyen a tervezett generáció?
  • Van elég példa?
  • Ellenőrizte a példákat a hibákra? (Az API nem mondja meg közvetlenül.)
  • Helyesen használja a és Top P a Temperature valószínűségi beállításokat?

Szöveg besorolása

Ha szövegosztályozót szeretne létrehozni az API-val, adja meg a feladat leírását, és adjon meg néhány példát. Ebben a bemutatóban az API-t mutatja be, hogyan osztályozhatja a szöveges üzenetek hangulatát . A hangulat kifejezi a szöveg általános érzését vagy kifejezését.

This is a text message sentiment classifier

Message: "I loved the new adventure movie!"
Sentiment: Positive

Message: "I hate it when my phone battery dies." 
Sentiment: Negative

Message: "My day has been 👍"
Sentiment: Positive

Message: "This is the link to the article"
Sentiment: Neutral

Message: "This new music video is unreal"
Sentiment:

Útmutató szövegosztályozók tervezéséhez

Ez a bemutató az osztályozók tervezésének számos irányelvét mutatja be:

  • Egyszerű nyelv használata a bemenetek és kimenetek leírásához. Használjon egyszerű nyelvet az "Üzenet" bemenethez és a "Hangulat" kifejezésre várt értékhez. Az ajánlott eljárásokért kezdje az egyszerű nyelvi leírásokkal. A parancssor létrehozásakor gyakran használhat rövidítéseket vagy kulcsokat a bemenet és a kimenet jelzésére, de a legjobb, ha a lehető legleíróbb módon kezdi. Ezután visszafelé dolgozhat, és eltávolíthat további szavakat, ha a kérés teljesítménye konzisztens.

  • Mutassa meg az API-t, hogyan válaszolhat minden esetre. A bemutató több eredményt is biztosít: "Pozitív", "Negatív" és "Semleges". A semleges eredmény támogatása azért fontos, mert sok olyan eset van, amikor még egy ember is nehezen állapíthatja meg, hogy valami pozitív vagy negatív.

  • Használjon emojit és szöveget a közös kifejezés szerint. A bemutató azt mutatja, hogy az osztályozó lehet a szöveg és az emoji 👍keveréke. Az API felolvassa az emojikat, és még a kifejezéseket is átalakíthatja belőlük. A legjobb válasz érdekében használjon gyakori kifejezési formákat a példákhoz.

  • Használjon kevesebb példát az ismerős tevékenységekhez. Ez az osztályozó csak néhány példát kínál, mivel az API már ismeri a hangulatot és a szöveges üzenet fogalmát. Ha olyan osztályozót hoz létre, amit az API esetleg nem ismer, szükség lehet további példák megadására.

Több eredmény egyetlen API-hívásból

Most, hogy megismerte, hogyan hozhat létre osztályozót, bővítsük ki az első bemutatót, hogy még hatékonyabb legyen. Az osztályozó használatával több eredményt is kaphat egyetlen API-hívásból.

This is a text message sentiment classifier

Message: "I loved the new adventure movie!"
Sentiment: Positive

Message: "I hate it when my phone battery dies"
Sentiment: Negative

Message: "My day has been 👍"
Sentiment: Positive

Message: "This is the link to the article"
Sentiment: Neutral

Message text
1. "I loved the new adventure movie!"
2. "I hate it when my phone battery dies"
3. "My day has been 👍"
4. "This is the link to the article"
5. "This new music video is unreal"

Message sentiment ratings:
1: Positive
2: Negative
3: Positive
4: Neutral
5: Positive

Message text
1. "He doesn't like homework"
2. "The taxi is late. She's angry 😠"
3. "I can't wait for the weekend!!!"
4. "My cat is adorable ❤️❤️"
5. "Let's try chocolate bananas"

Message sentiment ratings:
1.

Ez a bemutató bemutatja az API-nak, hogyan osztályozhatja a szöveges üzeneteket hangulat szerint. Megadhatja az üzenetek számozott listáját és az azonos számú indexet tartalmazó hangulatértékelések listáját. Az API az első bemutatóban szereplő információkat felhasználva megtudhatja, hogyan osztályozhatja egyetlen szöveges üzenet hangulatát. A második bemutatóban a modell megtanulja, hogyan alkalmazhatja a hangulatbesorolást a szöveges üzenetek listájára. Ez a megközelítés lehetővé teszi, hogy az API egyetlen API-hívásban öt (és még több) szöveges üzenetet értékeljen.

Fontos

Amikor arra kéri az API-t, hogy hozzon létre listákat vagy értékeljen ki szöveget, fontos, hogy segítsen az API-nak elkerülni az eltérést. Íme néhány követendő pont:

  • Ügyeljen a vagy Temperature valószínűségi beállítások értékeireTop P.
  • Több teszt futtatásával győződjön meg arról, hogy a valószínűségi beállítások megfelelően vannak kalibrálva.
  • Ne használjon hosszú listákat. A hosszú listák sodródáshoz vezethetnek.

Ötletek aktiválása

Az API-val elvégezhető egyik leghatékonyabb, de legegyszerűbb feladat az új ötletek vagy a bemenetek verzióinak létrehozása. Tegyük fel, hogy egy rejtélyes regényt ír, és szüksége van néhány történetötletre. Megadhat néhány ötletet az API-nak, és megpróbál további ötleteket hozzáadni a listához. Az API csak néhány példa alapján hozhat létre üzleti terveket, karakterleírásokat, marketingszlogeneket és még sok mást.

A következő bemutatóban az API használatával hoz létre további példákat a virtuális valóság osztályteremben való használatára:

Ideas involving education and virtual reality

1. Virtual Mars
Students get to explore Mars via virtual reality and go on missions to collect and catalog what they see.

2.

Ez a bemutató egy egyszerű leírást biztosít az API-nak a listához és egy listaelemhez. Ezután a "2" hiányos parancssorával aktiválja a választ az API-ból. Az API a hiányos bejegyzést a hasonló elemek létrehozására és a listára való felvételére irányuló kérésként értelmezi.

Ötletek aktiválásának irányelvei

Bár ez a bemutató egy egyszerű parancssort használ, számos irányelvet emel ki az új ötletek elindításához:

  • A lista szándékának ismertetése. A szövegosztályozó bemutatóihoz hasonlóan először is meg kell mondania az API-nak, hogy miről szól a lista. Ez a megközelítés segít az API-nak abban, hogy a lista kitöltésére összpontosítson ahelyett, hogy a szöveg elemzésével próbálná meghatározni a mintákat.

  • Állítsa be a lista elemeinek mintáját. Ha egy mondatos leírást ad meg, az API megpróbálja követni ezt a mintát, amikor új elemeket hoz létre a listához. Ha részletesebb választ szeretne kapni, ezt a szándékot részletesebb szövegbevitellel kell meghatároznia az API-nak.

  • Kérje meg az API-t egy hiányos bejegyzéssel, hogy új ötleteket aktiváljon. Amikor az API hiányosnak tűnő szövegbe ütközik, például a "2." kérdésszöveget, először megpróbálja meghatározni a bejegyzést esetleg befejező szöveget. Mivel a bemutató egy listacímmel és egy "1" számmal ellátott példával és a hozzá tartozó szöveggel rendelkezik, az API a hiányos "2"-es üzenetszöveget úgy értelmezte, hogy továbbra is elemeket szeretne hozzáadni a listához.

  • Ismerkedjen meg a fejlett generációs technikákkal. Javíthatja a válaszok minőségét, ha egy hosszabb, változatosabb listát készít a kérdésben. Az egyik módszer, ha egy példával kezdi, hagyja, hogy az API további példákat hozzon létre, majd válassza ki a legjobban megfelelő példákat, és vegye fel őket a listára. A példák néhány kiváló minőségű változata jelentősen javíthatja a válaszok minőségét.

Beszélgetések lebonyolítása

A GPT-35-Turbo és a GPT-4 kiadásától kezdve javasoljuk, hogy hozzon létre beszélgetési generációkat és csevegőrobotokat a csevegésvégpontot támogató modellek használatával. A csevegés-befejezési modellek és végpontok eltérő bemeneti struktúrát igényelnek, mint a befejezési végpont.

Az API ügyesen folytat beszélgetéseket az emberekkel és még önmagával is. Mindössze néhány utasítással az API ügyfélszolgálati csevegőrobotként is képes teljesíteni, amely intelligensen válaszol a kérdésekre anélkül, hogy gördülékeny lenne, vagy egy bölcsen feltörő beszélgetési partner, amely vicceket és szójátékokat készít. A kulcs az, hogy elmondja az API-nak, hogyan kell viselkednie, majd adjon meg néhány példát.

Ebben a bemutatóban az API biztosítja a kérdésekre válaszoló AI szerepét:

The following is a conversation with an AI assistant. The assistant is helpful, creative, clever, and very friendly.

Human: Hello, who are you?
AI: I am an AI created by OpenAI. How can I help you today?
Human:

Tekintsük át a "Cramer" nevű csevegőrobot egyik változatát, amely szórakoztató és kissé hasznos virtuális segéd. Annak érdekében, hogy az API megértse a szerepkör karakterét, néhány példát kell megadnia a kérdésekre és a válaszokra. Mindössze néhány szarkasztikus válaszra van szükség, és az API képes felvenni a mintát, és végtelen számú hasonló választ kínál.

Cramer is a chatbot that reluctantly answers questions.

###
User: How many pounds are in a kilogram?
Cramer: This again? There are 2.2 pounds in a kilogram. Please make a note of this.
###
User: What does HTML stand for?
Cramer: Was Google too busy? Hypertext Markup Language. The T is for try to ask better questions in the future.
###
User: When did the first airplane fly?
Cramer: On December 17, 1903, Wilbur and Orville Wright made the first flights. I wish they'd come and take me away.
###
User: Who was the first man in space?
Cramer:

A beszélgetések tervezésének irányelvei

Bemutatóink azt mutatják be, hogy milyen egyszerűen hozhat létre egy csevegőrobotot, amely képes a beszélgetés folytatására. Bár egyszerűnek tűnik, ez a megközelítés számos fontos iránymutatást követ:

  • Határozza meg a beszélgetés célját. A többi kérdéshez hasonlóan ön is az API-val való interakció szándékát írja le. Ebben az esetben "beszélgetés". Ez a bemenet előkészíti az API-t, hogy a kezdeti szándéknak megfelelően dolgozza fel a későbbi bemenetet.

  • Mondja el az API-nak, hogyan viselkedjen. A bemutató egyik fő részlete az API használatának explicit utasításai: "A segéd hasznos, kreatív, okos és nagyon barátságos." A kifejezett utasítások nélkül előfordulhat, hogy az API eltéved, és utánozza azt az embert, akivel kommunikál. Előfordulhat, hogy az API barátságtalanná válik, vagy más nemkívánatos viselkedést mutat.

  • Adjon identitást az API-nak. Kezdetben az API az OpenAI által létrehozott AI-ként válaszol. Bár az API nem rendelkezik belső identitással, a karakter leírása segít az API-nak a lehető legközelebb álló választ adni az igazsághoz. A karakteridentitás-leírásokat más módokon is használhatja különböző csevegőrobotok létrehozásához. Ha azt mondja az API-nak, hogy válaszoljon biológiatudósként, intelligens és átgondolt megjegyzéseket kap az API-tól, hasonlóan ahhoz, amit az adott háttérrel rendelkező személytől elvárhat.

Szöveg átalakítása

Az API egy olyan nyelvi modell, amely ismeri a szavak és a karakteridentitások különböző módjait az információk kifejezésére. A tudásadatok támogatják a szöveg természetes nyelvről kódmá alakítását, valamint más nyelvek és az angol nyelv közötti fordítást. Az API olyan szinten is képes értelmezni a tartalmat, amely lehetővé teszi, hogy különböző módokon összegezze, konvertálja és kifejezze. Lássunk néhány példát.

Fordítás egyik nyelvről a másikra

Ez a bemutató arra utasítja az API-t, hogyan konvertálhat angol nyelvű kifejezéseket francia nyelvre:

English: I do not speak French.
French: Je ne parle pas français.
English: See you later!
French: À tout à l'heure!
English: Where is a good restaurant?
French: Où est un bon restaurant?
English: What rooms do you have available?
French: Quelles chambres avez-vous de disponible?
English:

Ez a példa azért működik, mert az API már érti a francia nyelvet. Nem kell megpróbálnia megtanítani a nyelvet az API-nak. Elég példákat kell megadnia ahhoz, hogy az API megértse az egyik nyelvről a másikra való konvertálásra vonatkozó kérését.

Ha angolról olyan nyelvre szeretne lefordítani, amelyet az API nem ismer fel, további példákat és finomhangolt modellt kell biztosítania az API-nak, amely képes folyékony fordításokat készíteni.

Konvertálás szöveg és hangulatjel között

Ez a bemutató szövegből emoji karakterekké alakítja a film nevét. Ez a példa azt mutatja be, hogy az API alkalmazkodik a minták felvételéhez és más karakterekkel való munkához.

Carpool Time: 👨👴👩🚗🕒
Robots in Cars: 🚗🤖
Super Femme: 👸🏻👸🏼👸🏽👸🏾👸🏿
Webs of the Spider: 🕸🕷🕸🕸🕷🕸
The Three Bears: 🐻🐼🐻
Mobster Family: 👨👩👧🕵🏻‍♂️👲💥
Arrows and Swords: 🏹🗡🗡🏹
Snowmobiles:

Szöveg összegzése

Az API képes megragadni a szövegkörnyezetet, és különböző módokon újrareformázni. Ebben a bemutatóban az API egy szövegblokkot vesz fel, és egy, az elsődleges korú gyermek számára érthető magyarázatot hoz létre. Ez a példa azt szemlélteti, hogy az API-nak mély megértése van a nyelvben.

My ten-year-old asked me what this passage means:
"""
A neutron star is the collapsed core of a massive supergiant star, which had a total mass of between 10 and 25 solar masses, possibly more if the star was especially metal-rich.[1] Neutron stars are the smallest and densest stellar objects, excluding black holes and hypothetical white holes, quark stars, and strange stars.[2] Neutron stars have a radius on the order of 10 kilometres (6.2 mi) and a mass of about 1.4 solar masses.[3] They result from the supernova explosion of a massive star, combined with gravitational collapse, that compresses the core past white dwarf star density to that of atomic nuclei.
"""

I rephrased it for him, in plain language a ten-year-old can understand:
"""

Irányelvek szöveges összefoglalók készítéséhez

A szövegösszesítés gyakran nagy mennyiségű szöveget ad meg az API-nak. Ha meg szeretné akadályozni, hogy az API elsodródjon, miután nagy szövegblokkot dolgoz fel, kövesse az alábbi irányelveket:

  • Foglalja a szöveget a három dupla idézőjelek közé. Ebben a példában három dupla idézőjelet (""") ad meg egy külön sorba az összesíteni kívánt szövegblokk előtt és után. Ez a formázási stílus egyértelműen meghatározza a feldolgozandó nagy szövegblokk elejét és végét.

  • Ismertesse az összefoglaló szándékot és a célközönséget az összegzés előtt és után. Figyelje meg, hogy ez a példa különbözik a többitől, mivel kétszer adja meg az API-nak az utasításokat: a feldolgozandó szöveg előtt és után. A redundáns utasítások segítségével az API a kívánt feladatra összpontosíthat, és elkerülheti az eltérést.

Részleges szöveg- és kódbemenetek befejezése

Bár az összes kérdés befejezést eredményez, hasznos lehet a szövegkiegészítést saját feladatként tekinteni azokban az esetekben, amikor azt szeretné, hogy az API ott folytassa a műveletet, ahol abbahagyta.

Ebben a bemutatóban szöveges parancssort ad meg az API-nak, amely hiányosnak tűnik. A szövegbevitelt az "és" szóra állítja le. Az API eseményindítóként értelmezi a hiányos szöveget a gondolatmenet folytatásához.

Vertical farming provides a novel solution for producing food locally, reducing transportation costs and

Ez a következő bemutató bemutatja, hogyan használhatja a befejezési funkciót a kódösszetevők írásához React . Először küldjön egy kódot az API-nak. A kódbejegyzést egy nyitott zárójellel (állíthatja le. Az API eseményindítóként értelmezi a hiányos kódot az HeaderComponent állandó definíció befejezéséhez. Az API képes elvégezni ezt a kóddefiníciót, mert ismeri a megfelelő React kódtárat.

import React from 'react';
const HeaderComponent = () => (

Útmutató a befejezések létrehozásához

Íme néhány hasznos útmutató a szöveg- és kódkiegészítések API-val történő létrehozásához:

  • Csökkentse a hőmérsékletet, hogy az API koncentrálva maradjon. Állítson be alacsonyabb értékeket a Temperature beállításhoz, hogy utasítsa az API-t, hogy a kérdésben leírt szándékra összpontosító válaszokat adjon.

  • A Hőmérséklet növelése az API tangensének engedélyezéséhez. Állítson be magasabb értékeket a Temperature beállításhoz, hogy az API olyan módon válaszolhasson, amely tangenciális a kérdésben leírt szándékkal.

  • Használja a GPT-35-Turbo és GPT-4 Azure OpenAI modelleket. A kód megértését vagy létrehozását magában foglaló feladatok esetében a Microsoft a és GPT-4 az GPT-35-Turbo Azure OpenAI-modellek használatát javasolja. Ezek a modellek az új csevegéskiegészítési formátumot használják.

Tényszerű válaszok létrehozása

Az API olyan ismereteket szerzett, amelyek a betanítás során áttekintett tényleges adatokra épülnek. Ezeket a tanult adatokat használja a válaszok létrehozásához. Az API azonban képes olyan módon válaszolni, amely igaznak hangzik, de valójában létre van hozva.

Többféleképpen is korlátozhatja annak valószínűségét, hogy az API választ adjon a bemenetre. Definiálhatja a valódi és tényszerű válaszok alapjait, így az API az adatokból készíti el a válaszát. Beállíthat egy alacsony Temperature valószínűségi értéket is, és megjelenítheti az API-t, hogyan válaszolhat, ha az adatok nem érhetők el tényszerű válaszként.

Az alábbi bemutató bemutatja, hogyan taníthatja meg az API-t arra, hogy tényszerűbb módon válaszoljon. Az API-nak példákat kell megadnia az általa megértett kérdésekre és válaszokra. Olyan kérdésekre is példákat ("Q") ad meg, amelyek nem ismerik fel, és nem használnak kérdőjelet a válasz ("A") kimenetéhez. Ez a megközelítés bemutatja az API-nak, hogyan válaszolhat olyan kérdésekre, amelyekre nem tud tényszerűen válaszolni.

Biztosítékként nullára állítja a Temperature valószínűséget, így az API nagyobb valószínűséggel válaszol kérdőjellel (?), ha kétség merül fel a valódi és tényszerű válaszsal kapcsolatban.

Q: Who is Batman?
A: Batman is a fictional comic book character.

Q: What is torsalplexity?
A: ?

Q: What is Devz9?
A: ?

Q: Who is George Lucas?
A: George Lucas is an American film director and producer famous for creating Star Wars.

Q: What is the capital of California?
A: Sacramento.

Q: What orbits the Earth?
A: The Moon.

Q: Who is Egad Debunk?
A: ?

Q: What is an atom?
A: An atom is a tiny particle that makes up everything.

Q: Who is Alvan Muntz?
A: ?

Q: What is Kozar-09?
A: ?

Q: How many moons does Mars have?
A: Two, Phobos and Deimos.

Q:

A tényszerű válaszok létrehozásának irányelvei

Tekintsük át az irányelveket, hogy korlátozzuk annak valószínűségét, hogy az API választ adjon:

  • Adjon meg egy alapigazságot az API-hoz. Utasítsa az API-t arra, hogy mit használjon a szándéka alapján valódi és tényszerű válasz létrehozásához. Ha egy szövegtörzset ad meg az API-nak a kérdések megválaszolásához (például egy Wikipedia-bejegyzéshez), akkor az API kevésbé valószínű, hogy választ hoz létre.

  • Használjon kis valószínűséggel. Állítson be egy alacsony Temperature valószínűségi értéket, hogy az API a szándékra összpontosítson, és ne sodródjon el a létrehozott vagy konfigurált válasz létrehozásához.

  • Az API-nak a "Nem tudom" üzenettel való válaszadási módjának megjelenítése. Megadhat példakérdéseket és válaszokat, amelyek arra tanítják az API-t, hogy egy adott választ használjon olyan kérdésekre, amelyekre nem talál tényleges választ. A példában arra tanítja az API-t, hogy válaszoljon kérdőjellel (?), ha nem találja a megfelelő adatokat. Ez a megközelítés abban is segít az API-nak, hogy megtanulja, ha a "Nem tudom" kifejezéssel válaszol, sokkal "helyesebb", mint a válasz.

Kód használata

A Codex modellsorozat az OpenAI alap GPT-3 sorozatának leszármazottja, amely természetes nyelven és több milliárd kódsoron is be van tanítva. A Pythonban a legtehetségesebb, és több mint egy tucat nyelven jártas, például C#, JavaScript, Go, Perl, PHP, Ruby, Swift, TypeScript, SQL és még Shell nyelven is.

A kódkiegészítések létrehozásával kapcsolatos további információkért lásd: Codex-modellek és Az Azure OpenAI szolgáltatás.

Következő lépések