Meer informatie over het genereren of bewerken van tekst

De Azure OpenAI-service biedt een voltooiingseindpunt dat kan worden gebruikt voor een breed scala aan taken. Het eindpunt biedt een eenvoudige maar krachtige tekst-in, tekst-out-interface voor elk Azure OpenAI-model. Als u de voltooiing wilt activeren, voert u tekst in als een prompt. Het model genereert de voltooiing en probeert uw context of patroon te vinden. Stel dat u de prompt 'Zoals Descartes zei, ik denk daarom' doorgeeft aan de API. Voor deze prompt retourneert Azure OpenAI het voltooiingseindpunt 'Ik ben' met hoge waarschijnlijkheid.

De beste manier om te beginnen met het verkennen van voltooiingen is via de speeltuin in Azure OpenAI Studio. Het is een eenvoudig tekstvak waarin u een prompt invoert om een voltooiing te genereren. U kunt beginnen met een eenvoudige prompt zoals deze:

write a tagline for an ice cream shop

Nadat u de prompt hebt ingevoerd, wordt in Azure OpenAI de voltooiing weergegeven:

we serve up smiles with every scoop!

De voltooiingsresultaten die u ziet, kunnen verschillen omdat de Azure OpenAI-API nieuwe uitvoer produceert voor elke interactie. Elke keer dat u de API aanroept, krijgt u mogelijk een iets andere voltooiing, zelfs als de prompt hetzelfde blijft. U kunt dit gedrag beheren met de Temperature instelling.

De eenvoudige interface voor inkomende tekst betekent dat u het Azure OpenAI-model kunt 'programmeren' door instructies op te geven of slechts enkele voorbeelden van wat u wilt doen. Het succes van de uitvoer is over het algemeen afhankelijk van de complexiteit van de taak en de kwaliteit van uw prompt. Een algemene regel is om na te denken over hoe u een woordprobleem voor een pre-tiener moet schrijven om op te lossen. Een goed geschreven prompt biedt voldoende informatie voor het model om te weten wat u wilt en hoe het moet reageren.

Notitie

De modeltrainingsgegevens kunnen voor elk modeltype verschillen. De trainingsgegevens van het nieuwste model zijn momenteel alleen beschikbaar tot september 2021. Afhankelijk van uw prompt heeft het model mogelijk geen kennis van gerelateerde actuele gebeurtenissen.

Ontwerpprompts

Met Azure OpenAI-servicemodellen kunt u alles doen, van het genereren van originele verhalen tot het uitvoeren van complexe tekstanalyses. Omdat ze zoveel dingen kunnen doen, moet u expliciet laten zien wat u wilt. Iets laten zien, niet alleen erover vertellen, is vaak het geheim van een goede prompt.

De modellen proberen te voorspellen wat u wilt met de prompt. Als u de prompt 'Geef me een lijst met kattenrassen' invoert, gaat het model er niet automatisch van uit dat u alleen om een lijst vraagt. Misschien begin je een gesprek waarin je eerste woorden zijn: 'Geef me een lijst met kattenrassen', gevolgd door 'en ik zal je vertellen welke ik leuk vind'. Als het model alleen zou aannemen dat u een lijst met katten wilde, zou het niet zo goed zijn voor het maken, classificeren of andere taken.

Richtlijnen voor het maken van robuuste prompts

Er zijn drie basisrichtlijnen voor het maken van nuttige prompts:

• Weergeven en vertellen. Maak duidelijk wat u wilt door middel van instructies, voorbeelden of een combinatie van de twee. Als u wilt dat het model een lijst met items in alfabetische volgorde rangschikt of een alinea classificeert op gevoel, neemt u deze details op in de prompt om het model weer te geven.

• Geef kwaliteitsgegevens op. Als u een classificatie wilt bouwen of ervoor wilt zorgen dat het model een patroon volgt, controleert u of er voldoende voorbeelden zijn. Zorg ervoor dat u uw voorbeelden controleert. Het model is slim genoeg om eenvoudige spelfouten op te lossen en u een zinvolle reactie te geven. Omgekeerd kan het model ervan uitgaan dat de fouten opzettelijk zijn, wat van invloed kan zijn op het antwoord.

• Controleer uw instellingen. Waarschijnlijkheidsinstellingen, zoals Temperature en Top P, bepalen hoe deterministisch het model is bij het genereren van een antwoord. Als u om een antwoord vraagt waarbij er slechts één juist antwoord is, moet u lagere waarden voor deze instellingen opgeven. Als u op zoek bent naar een antwoord dat niet duidelijk is, kunt u hogere waarden gebruiken. De meest voorkomende fout die gebruikers met deze instellingen maken, is ervan uitgaande dat ze 'slimheid' of 'creativiteit' in het modelantwoord bepalen.

Problemen met prompts oplossen

Als u problemen ondervindt bij het uitvoeren van de API zoals verwacht, bekijkt u de volgende punten voor uw implementatie:

• Is het duidelijk wat de beoogde generatie moet zijn?
• Zijn er genoeg voorbeelden?
• Hebt u uw voorbeelden gecontroleerd op fouten? (De API geeft dit niet rechtstreeks door.)
• Gebruikt u de Temperature waarschijnlijkheidsinstellingen en Top P correct?

Tekst classificeren

Als u een tekstclassificatie wilt maken met de API, geeft u een beschrijving van de taak op en geeft u enkele voorbeelden op. In deze demonstratie laat u de API zien hoe u het gevoel van sms-berichten kunt classificeren. Het gevoel drukt het algehele gevoel of de expressie in de tekst uit.

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:

Richtlijnen voor het ontwerpen van tekstclassificaties

In deze demonstratie worden verschillende richtlijnen voor het ontwerpen van classificaties weergegeven:

• Gebruik gewone taal om uw invoer en uitvoer te beschrijven. Gebruik gewone taal voor de invoer 'Bericht' en de verwachte waarde die het 'Gevoel' uitdrukt. Voor aanbevolen procedures begint u met duidelijke beschrijvingen in de taal. U kunt vaak steno of toetsen gebruiken om de invoer en uitvoer aan te geven bij het samenstellen van uw prompt, maar het is raadzaam om te beginnen met een zo beschrijvend mogelijke beschrijving. Vervolgens kunt u achteruit werken en extra woorden verwijderen, zolang de prestaties van de prompt consistent zijn.

• Laat de API zien hoe op elke case moet worden gereageerd. De demonstratie biedt meerdere resultaten: 'Positief', 'Negatief' en 'Neutraal'. Het ondersteunen van een neutraal resultaat is belangrijk omdat er veel gevallen zijn waarin zelfs een mens moeite kan hebben om te bepalen of iets positief of negatief is.

• Gebruik emoji en tekst volgens de algemene expressie. De demonstratie laat zien dat de classificatie een combinatie van tekst en emoji 👍kan zijn. De API leest emoji en kan er zelfs expressies naar en van converteren. Voor de beste reactie gebruikt u veelgebruikte expressievormen voor uw voorbeelden.

• Gebruik minder voorbeelden voor bekende taken. Deze classificatie biedt slechts een handvol voorbeelden, omdat de API al inzicht heeft in gevoel en het concept van een sms-bericht. Als u een classificatie bouwt voor iets waarmee de API mogelijk niet bekend is, moet u mogelijk meer voorbeelden geven.

Meerdere resultaten van één API-aanroep

Nu u begrijpt hoe u een classificatie maakt, gaan we verder met de eerste demonstratie om deze efficiënter te maken. U wilt de classificatie kunnen gebruiken om meerdere resultaten terug te krijgen van één API-aanroep.

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.

In deze demonstratie ziet u hoe de API sms-berichten classificeert op basis van gevoel. U geeft een genummerde lijst met berichten en een lijst met gevoelsclassificaties op met dezelfde numerieke index. De API gebruikt de informatie in de eerste demonstratie om te leren hoe u gevoel voor één sms-bericht kunt classificeren. In de tweede demonstratie leert het model hoe u de gevoelsclassificatie toepast op een lijst met sms-berichten. Met deze aanpak kan de API vijf (en zelfs meer) sms-berichten beoordelen in één API-aanroep.

Belangrijk

Wanneer u de API vraagt om lijsten te maken of tekst te evalueren, is het belangrijk om de API te helpen afwijkingen te voorkomen. Hier volgen enkele punten:

• Let goed op uw waarden voor de Top P waarschijnlijkheidsinstellingen of Temperature .
• Voer meerdere tests uit om te controleren of uw waarschijnlijkheidsinstellingen correct zijn gekalibreerd.
• Gebruik geen lange lijsten. Lange lijsten kunnen leiden tot afwijkingen.

Ideeën activeren

Een van de krachtigste maar eenvoudigste taken die u met de API kunt uitvoeren, is het genereren van nieuwe ideeën of versies van invoer. Stel dat je een mysterieverhaal schrijft en dat je wat verhaalideeën nodig hebt. U kunt de API een lijst met enkele ideeën geven en er wordt geprobeerd meer ideeën aan uw lijst toe te voegen. De API kan bedrijfsplannen, karakterbeschrijvingen, marketingslogans en nog veel meer maken uit slechts een klein aantal voorbeelden.

In de volgende demonstratie gebruikt u de API om meer voorbeelden te maken voor het gebruik van virtual reality in het klaslokaal:

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.

Deze demonstratie biedt de API een basisbeschrijving voor uw lijst, samen met één lijstitem. Vervolgens gebruikt u een onvolledige prompt van '2'. om een antwoord van de API te activeren. De API interpreteert de onvolledige vermelding als een aanvraag om vergelijkbare items te genereren en toe te voegen aan uw lijst.

Richtlijnen voor het activeren van ideeën

Hoewel in deze demonstratie een eenvoudige prompt wordt gebruikt, worden verschillende richtlijnen voor het activeren van nieuwe ideeën gemarkeerd:

• Leg de intentie van de lijst uit. Net als bij de demonstratie voor de tekstclassificatie begint u met het vertellen van de API waar de lijst over gaat. Deze aanpak helpt de API zich te richten op het voltooien van de lijst in plaats van patronen te bepalen door de tekst te analyseren.

• Stel het patroon in voor de items in de lijst. Wanneer u een beschrijving van één zin opgeeft, probeert de API dat patroon te volgen bij het genereren van nieuwe items voor de lijst. Als u een uitgebreider antwoord wilt, moet u die intentie vaststellen met gedetailleerdere tekstinvoer voor de API.

• Vraag de API om een onvolledige vermelding om nieuwe ideeën te activeren. Wanneer de API tekst tegenkomt die onvolledig lijkt, zoals de prompttekst '2.', wordt eerst geprobeerd om te bepalen welke tekst het item kan voltooien. Omdat de demonstratie een lijsttitel en een voorbeeld met het nummer '1' en bijbehorende tekst had, interpreteerde de API de onvolledige prompttekst '2'. als een aanvraag om door te gaan met het toevoegen van items aan de lijst.

• Geavanceerde generatietechnieken verkennen. U kunt de kwaliteit van de antwoorden verbeteren door een langere lijst met meer diversiteit in uw prompt te maken. Eén benadering is om te beginnen met één voorbeeld, de API meer voorbeelden te laten genereren en vervolgens de voorbeelden te selecteren die u het beste vindt en deze toe te voegen aan de lijst. Nog enkele variaties van hoge kwaliteit in uw voorbeelden kunnen de kwaliteit van de antwoorden aanzienlijk verbeteren.

Gesprekken voeren

Vanaf de release van GPT-35-Turbo en GPT-4 raden we u aan om gespreksgeneratie en chatbots te maken met behulp van modellen die ondersteuning bieden voor het voltooiingseindpunt van de chat. De voltooiingsmodellen en het eindpunt van de chat vereisen een andere invoerstructuur dan het voltooiingseindpunt.

De API is bedreven in het voeren van gesprekken met mensen en zelfs met zichzelf. Met slechts een paar instructieregels kan de API optreden als een chatbot van de klantenservice die op intelligente wijze vragen beantwoordt zonder te worden overstuurd, of als een wijsmakende gesprekspartner die grappen en woordspelingen maakt. Het is belangrijk om de API te laten weten hoe deze zich moet gedragen en vervolgens een paar voorbeelden te geven.

In deze demonstratie biedt de API de rol van een AI die vragen beantwoordt:

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: 

Laten we eens kijken naar een variatie voor een chatbot met de naam 'Cramer', een grappige en enigszins nuttige virtuele assistent. Om de API te helpen het karakter van de rol te begrijpen, geeft u enkele voorbeelden van vragen en antwoorden. Er zijn slechts enkele sarcastische antwoorden nodig en de API kan het patroon oppikken en een eindeloos aantal vergelijkbare antwoorden bieden.

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: 

Richtlijnen voor het ontwerpen van gesprekken

Onze demonstraties laten zien hoe eenvoudig je een chatbot kunt maken die een gesprek kan voeren. Hoewel het er eenvoudig uitziet, volgt deze aanpak een aantal belangrijke richtlijnen:

• Definieer de intentie van het gesprek. Net als bij de andere prompts beschrijft u de intentie van de interactie met de API. In dit geval 'een gesprek'. Met deze invoer wordt de API voorbereid voor het verwerken van de volgende invoer volgens de oorspronkelijke intentie.

• Laat de API weten hoe deze zich moet gedragen. Een belangrijk detail in deze demonstratie zijn de expliciete instructies voor hoe de API moet communiceren: 'De assistent is nuttig, creatief, slim en zeer vriendelijk.' Zonder uw expliciete instructies kan de API afwijken en de persoon nabootsen waarmee deze communiceert. De API kan onvriendelijk worden of ander ongewenst gedrag vertonen.

• Geef de API een identiteit. Aan het begin laat u de API reageren als een AI die is gemaakt door OpenAI. Hoewel de API geen intrinsieke identiteit heeft, helpt de tekenbeschrijving de API te reageren op een manier die zo dicht mogelijk bij de waarheid ligt. U kunt beschrijvingen van tekenidentiteiten op andere manieren gebruiken om verschillende soorten chatbots te maken. Als u de API vertelt om te reageren als een onderzoekswetenschapper in de biologie, ontvangt u intelligente en doordachte opmerkingen van de API die vergelijkbaar zijn met wat u zou verwachten van iemand met die achtergrond.

Tekst transformeren

De API is een taalmodel dat bekend is met verschillende manieren waarop woorden en tekenidentiteiten kunnen worden gebruikt om informatie uit te drukken. De kennisgegevens ondersteunen het omzetten van tekst van natuurlijke taal in code en vertalen tussen andere talen en Engels. De API kan ook inhoud op een niveau begrijpen, zodat deze op verschillende manieren kan worden samengevat, geconverteerd en weergegeven. Hier volgen enkele voorbeelden.

Vertalen van de ene taal naar de andere

Deze demonstratie instrueert de API over het converteren van Engelse taaltermen naar het Frans:

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:

Dit voorbeeld werkt omdat de API de Franse taal al begrijpt. U hoeft niet te proberen de taal aan de API te leren. U hoeft alleen maar voldoende voorbeelden op te geven om de API inzicht te geven in uw aanvraag om van de ene taal naar de andere te converteren.

Als u wilt vertalen van het Engels naar een taal die de API niet herkent, moet u de API voorzien van meer voorbeelden en een nauwkeurig afgestemd model dat vloeiende vertalingen kan produceren.

Converteren tussen tekst en emoji

In deze demonstratie wordt de naam van een film geconverteerd van tekst naar emoji-tekens. In dit voorbeeld ziet u het aanpassingsvermogen van de API om patronen op te halen en met andere tekens te werken.

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

Tekst samenvatten

De API kan de context van tekst begrijpen en deze op verschillende manieren herformuleeren. In deze demonstratie neemt de API een blok tekst en maakt een uitleg die begrijpelijk is voor een kind in de primaire leeftijd. In dit voorbeeld ziet u dat de API een grondige kennis van taal heeft.

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:
"""

Richtlijnen voor het produceren van tekstsamenvattingen

Tekstsamenvatting omvat vaak het leveren van grote hoeveelheden tekst aan de API. Volg deze richtlijnen om te voorkomen dat de API afdrijft nadat een groot blok tekst is verwerkt:

• Plaats de samen te vatten tekst tussen drie dubbele aanhalingstekens. In dit voorbeeld voert u drie dubbele aanhalingstekens (""") in op een afzonderlijke regel voor en na het tekstblok dat u wilt samenvatten. Deze opmaakstijl definieert duidelijk het begin en einde van het grote tekstblok dat moet worden verwerkt.

• Leg de samenvattingsintentie en doelgroep voor en na de samenvatting uit. U ziet dat dit voorbeeld verschilt van de andere omdat u de API twee keer instructies geeft: vóór en na de tekst die moet worden verwerkt. De redundante instructies helpen de API zich te richten op de beoogde taak en afwijkingen te voorkomen.

Gedeeltelijke tekst- en code-invoer voltooien

Hoewel alle prompts resulteren in voltooiingen, kan het handig zijn om tekstvoltooiing te beschouwen als een eigen taak in gevallen waarin u wilt dat de API verder gaat waar u was gebleven.

In deze demonstratie geeft u een tekstprompt door aan de API die onvolledig lijkt te zijn. U stopt de tekstinvoer op het woord 'en'. De API interpreteert de onvolledige tekst als een trigger om uw gedachtegang voort te zetten.

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

In deze volgende demonstratie ziet u hoe u de voltooiingsfunctie kunt gebruiken om codeonderdelen te schrijven React . U begint met het verzenden van code naar de API. U stopt de codevermelding met een haakje (openen. De API interpreteert de onvolledige code als een trigger om de definitie van de HeaderComponent constante te voltooien. De API kan deze codedefinitie voltooien omdat deze inzicht heeft in de bijbehorende React bibliotheek.

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

Richtlijnen voor het genereren van voltooiingen

Hier volgen enkele nuttige richtlijnen voor het gebruik van de API voor het genereren van tekst- en codevoltooiingen:

• Verlaag de temperatuur om de API gefocust te houden. Stel lagere waarden in voor de Temperature instelling om de API te instrueren antwoorden te geven die zijn gericht op de intentie die wordt beschreven in uw prompt.

• Verhoog de temperatuur om de API te laten tangens. Stel hogere waarden in voor de Temperature instelling, zodat de API kan reageren op een manier die raaklijnig is voor de intentie die wordt beschreven in de prompt.

• Gebruik de MODELLEN GPT-35-Turbo en GPT-4 Azure OpenAI. Voor taken die betrekking hebben op het begrijpen of genereren van code, raadt Microsoft het gebruik van de GPT-35-Turbo Azure OpenAI-modellen en GPT-4 aan. Deze modellen gebruiken de nieuwe indeling voor chatvoltooiingen.

Feitelijke reacties genereren

De API heeft kennis geleerd die is gebaseerd op werkelijke gegevens die tijdens de training zijn beoordeeld. Deze geleerde gegevens worden gebruikt om de antwoorden te vormen. De API heeft echter ook de mogelijkheid om te reageren op een manier die waar klinkt, maar in feite is gemaakt.

Er zijn een paar manieren waarop u de kans kunt beperken dat de API een antwoord maakt als reactie op uw invoer. U kunt de basis definiëren voor een waar en feitelijk antwoord, zodat de API het antwoord op basis van uw gegevens opgeeft. U kunt ook een lage Temperature waarschijnlijkheidswaarde instellen en de API laten zien hoe moet worden gereageerd wanneer de gegevens niet beschikbaar zijn voor een feitelijk antwoord.

De volgende demonstratie laat zien hoe u de API leert om op een meer feitelijke manier te reageren. U geeft de API voorbeelden van vragen en antwoorden die de API begrijpt. U geeft ook voorbeelden van vragen ('Q') die mogelijk niet worden herkend en geen vraagteken gebruiken voor de antwoorduitvoer ('A'). Met deze benadering leert de API te reageren op vragen die feitelijk niet kunnen worden beantwoord.

Als bescherming stelt u de Temperature waarschijnlijkheid in op nul, zodat de API eerder met een vraagteken (?) reageert als er twijfel is over de werkelijke en feitelijke reactie.

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:

Richtlijnen voor het genereren van feitelijke antwoorden

Laten we de richtlijnen bekijken om de kans te beperken dat de API een antwoord verzint:

• Geef een basiswaarheid op voor de API. Instrueer de API over wat moet worden gebruikt als basis voor het maken van een waar en feitelijk antwoord op basis van uw intentie. Als u de API een hoofdtekst opgeeft die u kunt gebruiken om vragen te beantwoorden (zoals een Wikipedia-vermelding), is de kans kleiner dat de API een antwoord fabriceert.

• Gebruik een lage waarschijnlijkheid. Stel een lage Temperature waarschijnlijkheidswaarde in, zodat de API gericht blijft op uw intentie en niet afglijdt naar het maken van een geconfabriceerd of geconfabuleerd antwoord.

• Laat de API zien hoe u moet reageren met 'Ik weet het niet'. U kunt voorbeeldvragen en antwoorden invoeren die de API leren om een specifiek antwoord te gebruiken voor vragen waarvoor geen feitelijk antwoord kan worden gevonden. In het voorbeeld leert u de API te reageren met een vraagteken (?) wanneer de bijbehorende gegevens niet kunnen worden gevonden. Deze methode helpt de API ook om te leren wanneer het reageren met 'Ik weet het niet' is 'correcter' dan het verzinniger van een antwoord.

Werken met code

De Codex-modelreeks is een afstammeling van de basis-GPT-3-serie van OpenAI die is getraind op zowel natuurlijke taal als miljarden regels code. Het is het meest geschikt in Python en bedreven in meer dan een dozijn talen, waaronder C#, JavaScript, Go, Perl, PHP, Ruby, Swift, TypeScript, SQL en zelfs Shell.

Zie Codex-modellen en Azure OpenAI-service voor meer informatie over het genereren van code-voltooiingen.

Volgende stappen

• Meer informatie over het werken met de modellen GPT-35-Turbo en GPT-4.
• Meer informatie over de Azure OpenAI-servicemodellen.