Azure OpenAI Studio에서 대화 모델 학습 및 사용자 지정

Completed

목표:

Azure OpenAI Studio를 사용하여 사용자 지정 학습 대화 모델을 통합하여 모듈 1에서 만든 챗봇을 향상시킵니다. 도메인별 데이터를 사용하여 응답 정확도를 개선하고, 톤을 구체화하고, 프롬프트 엔지니어링을 통해 메모리를 시뮬레이션합니다. 실시간으로 챗봇의 성능을 테스트하고 반복합니다.

필요한 자료:

  • 인터넷에 액세스할 수 있는 랩톱 또는 데스크톱
  • Azure OpenAI Studio 액세스
  • 샘플 대화 상자 또는 FAQ의 데이터 세트(학습자가 제공하거나 만든)

1부: 사용자 지정 데이터를 사용하여 업로드 및 학습

  1. 데이터 세트 준비

    • 관련 사용자 쿼리 및 이상적인 응답(예: 고객 FAQ, 지원 로그 또는 제품 설명)의 컬렉션을 사용합니다.
    • 명확한 입력/출력 쌍을 사용하여 CSV 또는 일반 텍스트로 데이터의 서식을 지정합니다.
  2. 데이터 세트 업로드

    • Azure OpenAI Studio에서 챗봇 프로젝트로 이동합니다.
    • 파일 섹션 아래에 데이터 세트를 업로드하고 플레이그라운드를 사용하여 배포에 연결합니다.
  3. 프롬프트 예제를 통해 감독 학습 적용

    • 시스템 + 사용자 + 도우미 메시지를 사용하여 몇 가지 샘플 대화 상자를 제공하여 이상적인 동작을 보여 줍니다.
      예:
      User: "How do I reset my password?"  
      Assistant: "To reset your password, go to the login page and click 'Forgot Password.' Follow the instructions sent to your email."
      

2부: 톤 및 상호 작용 스타일 사용자 지정

  1. 시스템 프롬프트 설정

    • 도우미의 역할 및 톤을 정의합니다.
      예제:
      "당신은 온라인 서점에 대한 친절하고 전문적인 조수입니다. 명확하고 간결하며 따뜻한 답변으로 응답하세요."
  2. 컨텍스트 인식 시뮬레이션

    • 모델이 후속 질문을 처리할 수 있도록 대화 기록을 포함하는 프롬프트를 만듭니다.
      예제:
      "사용자가 이전에 배송 정책에 대해 물었습니다. 이제 그들은 '익스프레스 배송에 얼마나 걸리나요?'라고 묻고 있습니다.
  3. 테스트 및 반복

    • 플레이그라운드에서 챗봇과 상호 작용합니다.
    • 데이터 세트에서 다루는 질문을 하고 후속 작업을 처리하는 방법을 테스트합니다.
    • 연속성 및 참여를 개선하기 위해 예제 또는 프롬프트 지침을 조정합니다.

3부: 평가 및 개선

  1. 강점 및 간격 식별

    • 챗봇이 후속 작업을 적절하게 처리하나요?
    • 원하는 톤과 스타일을 반영하나요?
    • 답변이 너무 모호하거나 반복적이거나 주제가 없나요?
  2. 구체화 및 다시 테스트

    • 데이터 세트를 업데이트하거나, 프롬프트를 조정하거나, 추가 샘플 대화 상자를 제공합니다.
    • 응답이 기대에 부합할 때까지 Playground에서 변형을 테스트합니다.

예상 결과

학습자는 사용자 지정 데이터 세트를 업로드하고, 시스템 프롬프트를 구성하고, 컨텍스트 인식을 시뮬레이션하여 기본 챗봇을 구체화된 도메인별 도우미로 변환합니다. 이 활동은 사용자 요구 사항 및 조직의 목표를 더 잘 충족하기 위해 대화 동작을 학습하고 미세 조정하기 위한 Azure OpenAI Studio의 기능을 보여줍니다.