Riassunto

  • 2 minuti

In questo modulo si è appreso come ottimizzare le prestazioni del modello di intelligenza artificiale generativa usando strategie complementari in Microsoft Foundry.

Ecco cosa hai imparato a fare:

  • Applicare tecniche di progettazione dei prompt, inclusi i messaggi di sistema, l'apprendimento con pochi scatti e i parametri del modello per ottimizzare l'output del modello.
  • Comprendere quando e come preparare un modello linguistico usando la generazione aumentata di recupero (RAG).
  • Identificare quando l'ottimizzazione di un modello migliora la coerenza comportamentale.
  • Confrontare le strategie di ottimizzazione e determinare quando combinarle.

L'aspetto chiave è che il prompt engineering, RAG e il fine-tuning non sono approcci concorrenti, ma strategie complementari che rispondono a diversi aspetti delle prestazioni del modello. Iniziare con il prompt engineering per guidare il comportamento del modello, aggiungere RAG quando l'accuratezza fattuale richiede dati specifici del dominio e prendere in considerazione il fine-tuning quando è necessario uno stile e un formato coerenti che il prompt engineering da solo non può ottenere in modo affidabile.

Per lo scenario dell'agenzia di viaggi, la soluzione più efficace può combinare tutte e tre: un modello ottimizzato che mantiene la voce del marchio, RAG che assegna alle risposte un fondamento nel catalogo alberghiero reale, e l'ingegneria dei prompt che aggiunge istruzioni specifiche della conversazione e protezioni di sicurezza.

Ulteriori informazioni