Perguntas frequentes sobre racionalização aprofundada

Essas perguntas frequentes (FAQ) descrevem o impacto da IA nos recursos de racionalização aprofundada no Copilot Studio.

O que é racionalização aprofundada?

Modelos de racionalização aprofundada são modelos de linguagem grande avançados projetados para resolver problemas complexos. Eles consideram cuidadosamente cada pergunta, gerando uma cadeia interna detalhada de pensamento antes de fornecer uma resposta de volta ao usuário.

Como você pode usar modelos de racionalização aprofundada no Copilot Studio?

Modelos de racionalização aprofundada no Copilot Studio oferecem capacidades avançadas para criar agentes sofisticados. Modelos como o Azure OpenAI o3 usam racionalização aprofundada para melhorar a tomada de decisão dos agentes e devolver respostas mais precisas.

Ao criar agentes, você pode adicionar instruções que definem as tarefas do agente e como elas são realizadas. Essas tarefas podem variar de simples a altamente complexas, exigindo uma análise minuciosa.

Os criadores podem aplicar modelos de racionalização a etapas específicas nas instruções do agente, aprimorando a capacidade do agente de realizar racionalização avançada e entregar resultados mais precisos e perspicazes. Você pode adicionar modelos de racionalização aprofundada para tarefas que exigem pesquisa científica, perguntas complexas e análise aprofundada de dados não estruturados. Esses modelos fornecem insights além dos recursos de modelos mais simples.

Para usar modelos de racionalização, adicione a palavra-chave racionalização a etapas específicas das instruções do agente. Por exemplo: Use 'racionalização' para determinar o próximo item de uma série matemática, como 2, 5, 10, 17. Isso aciona o modelo de racionalização durante o runtime do agente para essa etapa específica. O Copilot Studio atualmente utiliza o modelo do Azure OpenAI o3 para suas capacidades avançadas de racionalização.

Quais são os usos pretendidos dos modelos de racionalização aprofundada?

 Os modelos de racionalização aprofundada são projetados para lidar com tarefas complexas que exigem raciocínio lógico, resolução de problemas e análise passo a passo. Por exemplo, você pode usar modelos de racionalização aprofundada para:

• Avaliar tendências de mercado e recomendar as melhores oportunidades de investimento. Modelos de racionalização aprofundada podem dividir os dados do mercado em etapas menores e gerenciáveis; analisar tendências; e recomendar as melhores oportunidades de investimento. Eles podem considerar vários fatores, como dados históricos, condições atuais do mercado e projeções futuras para fornecer recomendações de investimento bem informadas.

• Analisar o aumento da demanda e recomendar estratégias para gerenciar estoque. Os modelos podem analisar padrões de demanda e oferta, prever necessidades futuras de estoque e recomendar estratégias para gerenciar o estoque de forma eficaz. Ao considerar fatores como tendências sazonais, flutuações de mercado e dinâmica da cadeia de fornecedores, modelos de racionalização aprofundada podem ajudar as empresas a otimizar sua gestão de estoque.

• Resolva equações diferenciais e forneça explicações passo a passo. Os modelos podem resolver problemas matemáticos complexos, como equações diferenciais, e fornecer explicações passo a passo da solução. Ao dividir o problema em etapas menores e aplicar o raciocínio lógico, modelos de racionalização aprofundada podem oferecer soluções claras e detalhadas para desafios matemáticos.

Como os modelos de racionalização aprofundada foram avaliados e quais métricas são usadas para medir o desempenho?

Modelos de racionalização aprofundada usados no Copilot Studio são avaliados quanto à fundamentação, IA responsável e precisão. Fundamentação é garantir que o modelo retorne apenas conteúdo fundamentado em um contexto específico do mundo real. A IA responsável verifica a proteção contra danos, como ataques de jailbreak, ataques de injeção de prompts entre domínios e conteúdo prejudicial.

Para medir essas dimensões, os modelos são testados em relação a um conjunto diversificado de cenários e pontuados ao longo de cada uma dessas dimensões. Todos os modelos de racionalização aprofundada são avaliados antes de serem lançados.

Quais são as limitações dos modelos de racionalização aprofundada? Como os criadores minimizam o impacto destas limitações?

• Uso de modelos de racionalização: um agente só pode usar modelos de racionalização aprofundada se as capacidades de modelos de racionalização aprofundada estiverem ativadas nas configurações do agente.

• Tempo de resposta: Devido ao tempo necessário para análise, as respostas dos modelos de racionalização tendem a ser mais lentas em comparação com outros modelos de linguagem que não são de racionalização aprofundada.

Para minimizar o impacto dessas limitações, você pode:

• Certifique-se de que os recursos de modelos de racionalização aprofundada estejam ativadas apenas para agentes que precisam delas.

• Use a palavra-chave racionalização nas instruções do agente apenas para etapas que se beneficiam de modelos de racionalização aprofundada.

• Use modelos de racionalização aprofundada para tarefas que permitem tempos de resposta mais longos. Se necessário, avise os usuários que algumas respostas do agente podem levar mais tempo.

Quais fatores e configurações operacionais permitem o uso eficaz e responsável dos modelos de racionalização aprofundada?

Os modelos de racionalização aprofundada incluem várias proteções para garantir que administradores, criadores e usuários desfrutem de uma experiência segura e compatível:

• Só permita modelos de racionalização aprofundada para agentes que exijam etapas complexas de racionalização. Isso garante que os modelos sejam aplicados onde podem oferecer mais valor.

• Inclua a palavra-chave racionalização nas instruções para disparar o modelo no runtime para tarefas específicas, não para todas as tarefas que podem não exigir racionalização complexa.

• Teste minuciosamente o agente para garantir a precisão e confiabilidade da saída fornecida pelo modelo de racionalização aprofundada. O teste também ajuda a identificar possíveis problemas e garante que o modelo tenha o desempenho esperado.

• Use o mapa de atividades para revisar onde seu agente usa modelos de racionalização aprofundada em uma sessão. Expanda o nó de racionalização aprofundada no mapa para revisar as etapas executadas pelo modelo e a saída do modelo. Isso ajuda a determinar se o modelo de racionalização está entregando a funcionalidade pretendida.

• Compare as saídas com e sem o uso de um modelo de racionalização aprofundada atualizando suas instruções durante os testes.