Este browser já não é suportado.
Atualize para o Microsoft Edge para tirar partido das mais recentes funcionalidades, atualizações de segurança e de suporte técnico.
Qual é o principal objetivo de uma mensagem do sistema num prompt?
Definir o papel, comportamento e restrições de saída do modelo.
Fornecer dados de treino que alterem permanentemente o modelo.
Para recuperar dados de uma fonte de dados externa.
Quando deve usar a Geração Aumentada de Recuperação (RAG) em vez de depender apenas da engenharia de prompts?
Quando quiseres que o modelo responda de forma consistente num estilo e formato.
Quando o modelo precisa aceder a dados específicos do domínio ou dados atuais para os quais não foi treinado.
Quando quiseres reduzir o comprimento dos prompts enviados ao modelo.
O que controla o parâmetro de temperatura num modelo de linguagem?
O número máximo de tokens que o modelo pode gerar.
A aleatoriedade e criatividade das respostas do modelo.
A velocidade com que o modelo processa pedidos.
O que otimiza o ajuste fino num modelo de linguagem?
A precisão factual das respostas através da ligação a dados externos.
A consistência do comportamento, estilo e formato de saída do modelo.
O número de tokens que o modelo pode processar num único pedido.
Está a construir uma aplicação de chat que precisa de responder a perguntas usando o catálogo de produtos da sua empresa, mantendo uma voz de marca específica. Qual combinação de estratégias é a mais adequada?
Apenas engenharia rápida, com mensagens detalhadas do sistema.
RAG para os dados do catálogo de produtos, ajuste fino para a voz da marca e engenharia de prompts para instruções específicas de conversação.
Apenas ajuste fino, com o catálogo de produtos incluído nos dados de treino.
Tem de responder a todas as questões antes de verificar o seu trabalho.
Esta página foi útil?
Precisa de ajuda com este tópico?
Quer tentar utilizar o perguntar e Aprender para obter esclarecimentos ou orientações ao longo deste tópico?