Bagikan melalui

Gunakan Copilot Tuning untuk menyempurnakan model yang akan digunakan dalam Microsoft 365 Copilot (Pratinjau)

Artikel ini menjelaskan cara menggunakan Copilot Tuning untuk membuat model yang disempurnakan di Copilot Studio yang dapat Anda gunakan dengan agen deklaratif untuk Microsoft 365 Copilot. Penyempurnaan adalah proses yang memungkinkan Anda menyesuaikan model yang telah dilatih sebelumnya untuk tugas tertentu pada data penyewa Anda sendiri. Anda dapat menggunakan model yang disempurnakan ini untuk membangun agen yang ahli dalam melakukan tugas khusus domain dan melayaninya di Microsoft 365 Copilot.

Penyempurnaan membantu model Anda berkinerja lebih baik pada tugas yang relevan dengan organisasi Anda. Model yang disempurnakan sangat berguna untuk organisasi dengan data unik atau persyaratan khusus.

Artikel ini memberikan gambaran umum dasar tentang proses Penyetelan Copilot di Copilot Studio. Untuk panduan yang lebih spesifik untuk tugas yang lebih terperinci agar membantu Anda mendapatkan hasil terbaik dari penyetelan untuk organisasi dan tugas-tugas Anda, lihat Gambaran Umum Copilot Tuning.

Manfaat Copilot Tuning

Penyempurnaan model adalah teknik kuat yang digunakan untuk menyesuaikan model bahasa besar dengan kebutuhan spesifik Anda. Penyempurnaan melengkapi teknik pengoptimalan AI generatif lainnya, seperti Retrieval Augmented Generation (juga dikenal sebagai RAG) dan pengoptimalan prompt. Penyempurnaan sangat cocok ketika Anda ingin mengarahkan perilaku model Anda dengan ketat.

Penyempurnaan biasanya memerlukan tim ilmuwan data ahli untuk mengumpulkan himpunan data dan membangun persiapan data khusus tugas dan alur pelatihan.

Copilot Tuning di Copilot Studio sangat menyederhanakan proses ini, mengubahnya menjadi alat yang dapat digunakan oleh pakar materi pelajaran apa pun.

Copilot Studio menyederhanakan sebagian besar kompleksitas dari proses tersebut. Proses Copilot Studio Copilot Tuning berkode rendah, mengubah penyempurnaan dari proyek yang kompleks dan berat sumber daya menjadi pengalaman layanan mandiri yang efisien.

Persiapan data otomatis yang didukung oleh AI mengubah konten perusahaan yang berisik menjadi set pelatihan berkualitas tinggi dengan upaya minimal. Otomatisasi ini meminimalkan kebutuhan untuk memberi label secara manual dengan meminta input manusia hanya di mana kepercayaan model rendah. Otomatisasi memungkinkan Anda mengurangi upaya pelabelan data.

Terakhir, Fitur ini menghemat upaya Anda untuk membuat pemrosesan data khusus dan alur pelatihan.

Keamanan

Copilot Tuning menawarkan keamanan yang ditingkatkan dibandingkan dengan teknik penyempurnaan konvensional dengan memastikan bahwa hanya pengguna dengan kontrol akses yang tepat—yang ditentukan oleh Grup Keamanan Microsoft Entra yang ada—yang dapat menggunakan model saat membangun agen Microsoft 365 Copilot. Admin juga dapat dengan cepat menghapus model dari produksi, meningkatkan keamanan lebih lanjut.

Tidak ada yang melihat data Anda, bahkan selama pelatihan. Semua pelatihan dan inferensi terjadi di lingkungan yang terisolasi penyewa.

Jenis tugas apa yang dapat dilakukan Copilot Tuning?

Saat ini, Anda dapat menggunakan Copilot Tuning untuk tugas-tugas berikut:

  1. Tanya Jawab: Pertanyaan dan jawaban ahli dapat menjawab pertanyaan secara akurat di domain pengetahuan yang kompleks seperti SDM dan skenario layanan profesional di mana RAG saja tidak akan mencukupi.
  2. Pembuatan dokumen: Pembuatan dokumen unggul dalam membuat dokumen kompleks dan terstruktur yang harus mengikuti format tertentu, seperti perjanjian, kontrak, dan dokumentasi teknis.
  3. Ringkasan dokumen: Ringkasan dokumen dengan tepat menyaring informasi kompleks—seperti analisis peraturan atau legislatif—ke dalam ringkasan yang disesuaikan.

Kelayakan

Copilot Tuning adalah Program Akses Awal (EAP). Lihat Memperkenalkan Microsoft 365 Copilot Tuning untuk detail selengkapnya tentang kelayakan EAP.

Di organisasi tempat Copilot Tuning tersedia, admin Microsoft 365 mengontrol akses. Admin dapat mengaktifkan Copilot Tuning pada tingkat organisasi atau penyewa. Admin juga dapat membatasi akses ke fitur ini untuk pengguna tertentu di organisasi.

Mengakses Copilot Tuning di Copilot Studio

Setelah admin Microsoft 365 membuat Copilot Tuning tersedia di penyewa Anda dan memberi Anda izin pembuatan model, Anda menerima email yang mengundang Anda untuk mulai membangun model pertama Anda dengan Microsoft Copilot Studio.

Untuk mengakses Penyetelan Copilot, lakukan hal berikut:

  1. Masuk ke Copilot Studio menggunakan akun pengguna dengan peran Pembuat Model .

  2. Pada bilah samping, pilih tiga titik (...) lalu pilih Penyetelan Copilot.

    Halaman Penyesuaian Copilot terbuka.

    Jika Anda tidak melihat opsi ini, Pengaturan Copilot tidak tersedia untuk penyewa Anda atau Anda tidak memiliki izin untuk membuat model yang disetel secara khusus.

Membuat model yang disempurnakan

Copilot Tuning adalah proses pelatihan berlangkah banyak. Seperti halnya proses pelatihan pembelajaran mesin apa pun, kualitas dan kuantitas data pelatihan sangat penting untuk keberhasilan model.

Nota

Penyetelan Copilot saat ini hanya mendukung file Sharepoint dan terbatas pada dokumen Word, PDF, serta file teks.

Mengonfigurasi parameter model dasar

Pertama, konfigurasikan parameter tingkat tinggi untuk apa yang Anda inginkan untuk dilakukan model Anda, perilakunya, dan sumber data yang sesuai untuk digunakan.

  1. Buka halaman Penyetelan Copilot dan pilih Buat model baru. Anda dibawa ke halaman Kustomisasi model ke tugas Anda .

  2. Masukkan nama yang bermakna dan deskripsi untuk model Anda.

    Jelaskan model dengan cara pengguna di organisasi Anda dapat dengan cepat memahami bagaimana model tersebut dapat membantu mereka dalam pekerjaan mereka.

  3. Di bawah Pilih sumber pengetahuan, pilih Tambahkan pengetahuan.

    Halaman Tambahkan pengetahuan ke model Anda muncul.

    1. Pilih jenis pengetahuan. Saat ini, SharePoint tersedia.

    2. Pilih sumber pengetahuan. Telusuri di komputer Anda untuk file SharePoint atau masukkan URL untuk sumbernya, lalu pilih Tambahkan.

    3. Ulangi langkah sebelumnya sesuai kebutuhan untuk menambahkan lebih banyak sumber pengetahuan.

    4. Setelah selesai menambahkan sumber pengetahuan, pilih Tambahkan untuk melanjutkan.

  4. Di bawah Izin, tentukan grup keamanan Microsoft Entra yang harus memiliki akses ke model saat disebarkan.

    Penyesuaian Copilot secara otomatis mengecualikan dari proses pelatihan semua berkas yang tidak dapat diakses oleh grup keamanan yang Anda pilih. Copilot Studio juga secara otomatis menyarankan kelompok keamanan lain untuk memaksimalkan luasnya pengetahuan yang dapat Anda masukkan dengan aman dalam model Anda.

  5. Di bawah Jenis tugas, pilih jenis tugas yang diinginkan.

  6. Di bagian Instruksi Model yang muncul, jawab pertanyaan seperti yang diarahkan. Masukkan informasi instruksi seperti yang diarahkan. Untuk detail selengkapnya, konsultasikan panduan khusus tugas terperinci dalam dokumentasi Microsoft 365 Copilot Tuning.

    Instruksi model membantu Copilot Studio mengidentifikasi dan menyiapkan data yang paling relevan dari sumber pengetahuan Anda. Instruksi model yang baik menyediakan model dengan isjin untuk cara menginterpretasikan data selama proses pelatihan.

  7. Pilih Simpan draf untuk menyimpan kemajuan Anda, atau, jika Anda siap untuk melanjutkan proses penyempurnaan, pilih Siapkan data pelabelan.

    Copilot Studio mulai menyiapkan data untuk pelabelan.

    Copilot Studio memberi tahu Anda jika beberapa sumber pengetahuan yang Anda pilih tidak tersedia untuk grup keamanan yang dipilih. Copilot Studio secara otomatis menyarankan kelompok keamanan lain untuk memaksimalkan luasnya pengetahuan yang dapat Anda masukkan dengan aman dalam model Anda.

  8. Buat penyesuaian pada grup keamanan untuk memperluas cakupan seperti yang diinginkan, lalu pilih Lanjutkan dengan pilihan.

    Copilot Studio menyiapkan data untuk pelabelan.

    Penting

    Tergantung pada ukuran data Anda, persiapan dapat memakan waktu hingga 24 jam untuk diselesaikan. Saat persiapan sedang terjadi, Anda dapat terus bekerja di Copilot Studio atau menutup tab browser dan kembali nanti. Anda menerima pemberitahuan email setelah langkah ini selesai. Anda dapat memeriksa status kapan saja dengan kembali ke Copilot Studio dan me-refresh daftar model.

Memberi label sampel pelatihan

Setelah data Anda diproses, Copilot Studio mengirimkan pemberitahuan email yang menunjukkan bahwa data Anda siap untuk pelabelan.

Copilot Studio memberi Anda contoh pelatihan yang dihasilkan yang relevan dengan tugas dan data yang Anda berikan. Anda harus meninjau contoh dan memberikan umpan balik tentang kualitas sampel.

Pelabelan adalah langkah penting karena pada dasarnya akan mengajarkan model cara mengidentifikasi contoh pelatihan yang ideal. Pastikan individu dengan keahlian domain melakukan tugas ini. Jika Anda bukan pakar domain, Anda dapat mendelegasikan tugas pelabelan kepada pakar subjek melalui alur kerja manajemen pelabelan bawaan.

Proses pelabelan umumnya melalui beberapa batch. Melatih model dapat memerlukan hingga empat sampai lima batch label.

Setelah pelabelan selesai, Anda siap untuk melatih model Anda. Pilih Mulai Pelatihan untuk melanjutkan.

Melatih model

Copilot Studio melatih model menggunakan data berlabel. Pelatihan adalah proses otomatis penuh yang tidak memerlukan input lebih lanjut dari Anda.

Penting

Tergantung pada ukuran data Anda, proses pelatihan dapat memakan waktu hingga 24 jam.

Anda menerima pemberitahuan email setelah pelatihan selesai. Anda juga dapat memeriksa status kapan saja dengan kembali ke Copilot Studio dan menyegarkan daftar model.

Mengevaluasi model

Pada fase akhir, Anda mendapatkan serangkaian perbandingan berdampingan antara hasil dari output model yang disempurnakan versus hasil dari model garis besar yang tidak disempurnakan. Jika Anda ingin terus meningkatkan kualitas respons model, Anda dapat memulai eksekusi pelatihan model baru.

Untuk meningkatkan output model dalam eksekusi pelatihan Anda berikutnya, pastikan himpunan data Anda selaras dengan tugas spesifik model Anda dan bahwa data Anda diberi label oleh pakar domain.

Menerbitkan model ke Microsoft 365 Copilot

Setelah Anda puas dengan output model, terbitkan model ke katalog penyewa Microsoft 365 Anda.

Model Anda sekarang tersedia untuk digunakan oleh agen penyewa Anda untuk Copilot.

Nota

Hanya anggota grup keamanan yang Anda pilih di awal proses penyempurnaan yang dapat menggunakan model di agen.

Untuk informasi selengkapnya tentang cara menggunakan model di agen untuk Copilot, lihat dokumentasi Microsoft 365 Copilot.

Batasan dan pembatasan

Ada beberapa batasan dan batasan yang harus diperhatikan saat membuat model yang disempurnakan:

  • Jika Anda menambahkan sumber pengetahuan setelah melatih model, Anda harus memulai ulang proses penyempurnaan dari awal.
  • Copilot Studio belum mendukung versi model.
  • Jika pengguna yang datanya telah digunakan dalam melatih model mengirimkan permintaan penghapusan yang valid berdasarkan GDPR (atau peraturan serupa), Anda harus melatih kembali model.
  • Saat Anda menyempurnakan model, bobot model disesuaikan berdasarkan data pelatihan. Anda dapat menghapus model yang disempurnakan kapan saja.
  • Anda bertanggung jawab atas bagaimana data dikumpulkan, disimpan, dan digunakan dalam lingkungan penyewa Anda.
  • Anda harus memastikan bahwa praktik data Anda memenuhi persyaratan hukum untuk transparansi, persetujuan, akses, dan penghapusan.
  • Anda bertanggung jawab untuk memverifikasi akurasi, kepatutan, dan kepatuhan output apa pun yang dihasilkan dari sistem ini sebelum menggunakannya. Verifikasi mungkin memerlukan peninjauan dengan pakar subjek.

Konten terkait

  • Last updated on