Del via

Bruk Copilot Tuning til å finjustere modeller for bruk i Microsoft 365 Copilot (forhåndsversjon)

Denne artikkelen beskriver hvordan du bruker Copilot Tuning til å opprette finjusterte modeller i Copilot Studio du kan bruke med deklarative agenter for Microsoft 365 Copilot. Finjustering er en prosess som lar deg tilpasse en forhåndsutrent modell for en bestemt oppgave på dine egne leierdata. Du kan bruke disse finjusterte modellene til å bygge agenter som er ekspert på å utføre domenespesifikke oppgaver og betjene dem i Microsoft 365 Copilot.

Finjustering hjelper modellen med å yte bedre oppgaver som er relevante for organisasjonen. En finjustert modell er spesielt nyttig for organisasjoner med unike data eller spesialiserte krav.

Denne artikkelen gir en grunnleggende oversikt over Copilot-justeringsprosessen i Copilot Studio. Hvis du vil ha mer detaljert oppgavespesifikk veiledning for å hjelpe deg med å få best mulig resultat fra finjustering for organisasjonen og oppgaver, kan du se Oversikt over Copilot-justering.

Fordeler med copilotjustering

Modell finjustering er en kraftig teknikk som brukes til å skreddersy store språkmodeller etter dine spesifikke behov. Finjustering utfyller andre generative ai-optimaliseringsteknikker, for eksempel Retrieval Augmented Generation (også kjent som RAG) og rask optimalisering. Finjustering er godt egnet når du vil styre virkemåten til modellen tett.

Finjustering krever vanligvis et team av ekspertdataforskere for å kuratere datasett og bygge oppgavespesifikke dataforberedelser og opplæringssamlebånd.

Copilot Tuning i Copilot Studio forenkler denne prosessen sterkt, og gjør den om til et verktøy som nesten alle fagekspert kan bruke.

Copilot Studio abstraherer mye av kompleksiteten i prosessen. Copilot Studio Copilot Tuning-prosessen er lavkode, og transformerer finjustering fra et komplekst, ressurstungt prosjekt til en strømlinjeformet, selvbetjent opplevelse.

Automatisert dataforberedelse drevet av AI gjør støyende bedriftsinnhold til opplæringssett av høy kvalitet med minimal innsats. Denne automatiseringen minimerer behovet for å merke manuelt ved å be om menneskelige inndata bare der modelltilliten er lav. Automatiseringen lar deg kutte ned på innsatsen for dataetiketter.

Til slutt sparer denne funksjonen deg for å opprette spesialiserte databehandlings- og opplæringssamlebånd.

Sikkerhet

Copilot Tuning tilbyr forbedret sikkerhet sammenlignet med konvensjonelle finjusteringsteknikker ved å sikre at bare brukere med de riktige tilgangskontrollene – definert av de eksisterende Microsoft Entra-sikkerhetsgruppene – kan bruke modellen når de bygger Microsoft 365 Copilot-agenter. Administratorer kan også raskt fjerne modeller fra produksjon, noe som forbedrer sikkerheten ytterligere.

Ingen ser dataene dine, ikke engang under opplæringen. All opplæring og slutning skjer i leierisolerte miljøer.

Hva slags oppgaver kan Copilot Tuning utføre?

For øyeblikket kan du bruke Copilot Tuning for følgende oppgaver:

  1. Spørsmål og svar fra eksperter kan svare nøyaktig på spørsmål i komplekse kunnskapsdomener som HR og profesjonelle tjenestescenarioer der RAG alene ville vært utilstrekkelig.
  2. Dokumentgenerering: Dokumentgenerering utmerker seg i å opprette komplekse, strukturerte dokumenter som må følge bestemte formater, for eksempel avtaler, kontrakter og teknisk dokumentasjon.
  3. Dokumentoppsummering: Dokumentoppsummering destillerer nøyaktig kompleks informasjon – for eksempel forskriftsmessige eller lovgivende analyser – til skreddersydde sammendrag.

Kvalifisering

Copilot Tuning er et tidlig tilgangsprogram (EAP). Se Innføring i Microsoft 365 Copilot Tuning for mer informasjon om EAP-kvalifisering.

I en organisasjon der Copilot Tuning er tilgjengelig, kontrollerer en Microsoft 365-administrator tilgang. Administratoren kan aktivere Copilot Tuning for organisasjonen eller leiernivået. Administratoren kan også begrense tilgangen til denne funksjonen for bestemte brukere i organisasjonen.

Få tilgang til Copilot Tuning i Copilot Studio

Når Microsoft 365-administratoren gjør Copilot Tuning tilgjengelig i leieren og gir deg tillatelser til å lage modeller, får du en e-post som inviterer deg til å begynne å bygge din første modell med Microsoft Copilot Studio.

Gjør følgende for å få tilgang til Copilot Tuning:

  1. Logg på Copilot Studio ved hjelp av en brukerkonto med Model Maker-rollen .

  2. I sidepanelet, velg de tre prikkene (...) og velg deretter Copilot Tuning.

    Copilot-justeringssiden åpnes.

    Hvis du ikke ser dette alternativet, er ikke Copilot-justering tilgjengelig for leieren, eller du har ikke tillatelse til å opprette finjusterte modeller.

Opprette en finjustert modell

Copilot Tuning er en flertrinns opplæringsprosess. Som med alle opplæringsprosesser for maskinlæring er kvaliteten og mengden opplæringsdata avgjørende for modellens suksess.

Merk deg

Copilot Tuning støtter for øyeblikket bare SharePoint-filer og er begrenset til Word-dokumenter, PDF-filer og tekstfiler.

Konfigurere grunnleggende modellparametere

Først må du konfigurere parametere på høyt nivå for det du vil at modellen skal gjøre, hvordan den skal fungere og de aktuelle datakildene du skal bruke.

  1. Gå til Copilot-justeringssiden , og velg Opprett en ny modell. Du blir tatt med til en Tilpass modellen til oppgavesiden .

  2. Skriv inn et meningsfylt navn og en beskrivelse for modellen.

    Beskriv modellen på en måte som brukere i organisasjonen raskt kan forstå hvordan den kan hjelpe dem i arbeidet.

  3. Velg Legg til kunnskap under Velg kunnskapskilder.

    Siden Legg til kunnskap på modellsiden vises.

    1. Velg en kunnskapstype. SharePoint er for øyeblikket tilgjengelig.

    2. Velg en kunnskapskilde. Bla på datamaskinen etter en SharePoint-fil, eller skriv inn en URL-adresse for kilden, og velg deretter Legg til.

    3. Gjenta det forrige trinnet etter behov for å legge til flere kunnskapskilder.

    4. Når du er ferdig med å legge til kunnskapskilder, velger du Legg til for å fortsette.

  4. Under Tillatelser angir du Microsoft Entra-sikkerhetsgruppene som skal ha tilgang til modellen når den distribueres.

    Copilot-justering utelukker automatisk fra opplæring av filer som de valgte sikkerhetsgruppene ikke har tilgang til. Copilot Studio foreslår også automatisk at andre sikkerhetsgrupper maksimerer kunnskapsbredden du kan integrere i modellen på en sikker måte.

  5. Velg ønsket aktivitetstype under Aktivitetstype.

  6. Svar på spørsmålene som anvist i delen Modellinstruksjoner som vises. Angi instruksjonsinformasjon som anvist. Hvis du vil ha mer informasjon, kan du se den detaljerte oppgavespesifikke veiledningen i dokumentasjonen for Microsoft 365 Copilot Tuning.

    Modellinstruksjonene hjelper Copilot Studio med å identifisere og klargjøre de mest relevante dataene fra kunnskapskildene dine. Gode modellinstruksjoner gir modellen stikkord for hvordan du tolker data under opplæringsprosessen.

  7. Velg Lagre kladd for å lagre fremdriften, eller velg Forbered merkingsdata hvis du er klar til å fortsette med finjusteringsprosessen.

    Copilot Studio begynner å klargjøre dataene for merking.

    Copilot Studio informerer deg om noen av de valgte kunnskapskildene ikke er tilgjengelige for de valgte sikkerhetsgruppene. Copilot Studio foreslår automatisk at andre sikkerhetsgrupper maksimerer kunnskapsbredden du kan integrere i modellen på en sikker måte.

  8. Gjør justeringer i sikkerhetsgruppene for å utvide dekningen etter ønske, og velg deretter Fortsett med valg.

    Copilot Studio klargjør dataene for merking.

    Viktig!

    Avhengig av størrelsen på dataene, kan klargjøringen ta opptil 24 timer å fullføre. Mens forberedelsene skjer, kan du fortsette å arbeide i Copilot Studio eller lukke nettleserfanen og gå tilbake senere. Du mottar et e-postvarsel når dette trinnet er fullført. Du kan når som helst kontrollere status ved å gå tilbake til Copilot Studio og oppdatere modelllisten.

Merke opplæringseksempler

Når dataene er behandlet, sender Copilot Studio et e-postvarsel som angir at dataene er klare for merking.

Copilot Studio presenterer deg med genererte opplæringseksempler som er relevante for oppgaven og dataene du oppgav. Du må se gjennom eksemplene og gi tilbakemelding om eksempelkvalitet.

Merking er et avgjørende skritt, da det i hovedsak ville lære modellen hvordan man identifiserer ideelle opplæringseksempler. Kontroller at personer med domeneekspertise utfører denne oppgaven. Hvis du ikke er en domeneekspert, kan du delegere merkingsoppgaver til fageksperter via en innebygd arbeidsflyt for merkingsbehandling.

Merkingsprosessen går vanligvis gjennom flere grupper. Opplæring av en modell kan kreve opptil fire til fem grupper med etiketter.

Når merkingen er fullført, er du klar til å lære opp modellen. Velg Start opplæring for å fortsette.

Lær opp modellen

Copilot Studio trener modellen ved hjelp av de merkede dataene. Opplæring er en helautomatisk prosess som ikke krever ytterligere inndata fra deg.

Viktig!

Avhengig av størrelsen på dataene, kan opplæringsprosessen ta opptil 24 timer.

Du mottar et e-postvarsel når opplæringen er fullført. Du kan også kontrollere status når som helst ved å gå tilbake til Copilot Studio og oppdatere modelllisten.

Evaluer modellen

I den siste fasen får du et sett med side-ved-side-sammenligninger mellom hvilke resultater fra de finjusterte modellutdataene kontra resultater fra den opprinnelige, ikke-finjusterte modellen. Hvis du vil fortsette å forbedre kvaliteten på modellens svar, kan du starte en ny modellopplæringskjøring.

Hvis du vil forbedre modellutdataene i neste opplæringskjøring, må du sørge for at datasettet er godt tilpasset modellens spesifikke oppgave, og at dataene er merket av domeneeksperter.

Publiser modellen til Microsoft 365 Copilot

Når du er fornøyd med modellens utdata, publiserer du modellen til leierkatalogen for Microsoft 365.

Modellen din er nå tilgjengelig for bruk av tenantens agenter for Copilot.

Merk deg

Bare medlemmer av sikkerhetsgruppene du valgte ved starten av finjusteringsprosessen, kan bruke modellen i agenter.

Hvis du vil ha mer informasjon om hvordan du bruker modellen i agenter for Copilot, kan du se dokumentasjonen for Microsoft 365 Copilot.

Begrensninger og begrensninger

Det finnes noen begrensninger og begrensninger å være oppmerksom på når du oppretter finjusterte modeller:

  • Hvis du legger til kunnskapskilder etter opplæring av modellen, må du starte finjusteringsprosessen på nytt fra grunnen av.
  • Copilot Studio støtter ennå ikke versjonskontroll av modeller.
  • Hvis en bruker med data som har blitt brukt i opplæringen, sender en modell inn en gyldig forespørsel om sletting under GDPR (eller lignende forskrifter), må du omskolere modellen.
  • Når du finjusterer en modell, justeres modelltykkelsene basert på opplæringsdataene. Du kan når som helst slette den finjusterte modellen.
  • Du er ansvarlig for hvordan data samles inn, lagres og brukes i leiermiljøet.
  • Du må sørge for at datapraksisen oppfyller juridiske krav til gjennomsiktighet, samtykke, tilgang og sletting.
  • Du er ansvarlig for å bekrefte nøyaktigheten, hensiktsmessigheten og overholdelsen av eventuelle utdata som genereres fra dette systemet, før du bruker dem. Bekreftelse kan kreve gjennomgang med fagekspertene.

Relatert innhold

  • Last updated on