Этот браузер больше не поддерживается.
Выполните обновление до Microsoft Edge, чтобы воспользоваться новейшими функциями, обновлениями для системы безопасности и технической поддержкой.
Какова основная цель системного сообщения в запросе?
Определение роли, поведения и выходных ограничений модели.
Предоставление обучающих материалов, которые необратимо изменяют модель.
Получение данных из внешнего источника данных.
Когда следует использовать вспомогательное получение данных (RAG) вместо того, чтобы полагаться только на инжиниринг запросов?
Когда вы хотите, чтобы модель отвечала в согласованном стиле и формате.
Если модели требуется доступ к специфичным для домена или актуальным данным, по которым она не была обучена.
Если вы хотите уменьшить длину запросов, отправленных в модель.
Что контролирует параметр температуры в языковой модели?
Максимальное количество маркеров, которые может создать модель.
Случайность и творчество ответов модели.
Скорость обработки запросов модели.
Что оптимизирует тонкая настройка в языковой модели?
Фактическая точность ответов путем подключения к внешним данным.
Согласованность поведения модели, стиля и формата выходных данных.
Количество маркеров, которые модель может обрабатывать в одном запросе.
Вы создаете приложение чата, которое должно отвечать на вопросы с помощью каталога продуктов вашей компании при сохранении определенной фирменной символики. Какая комбинация стратегий наиболее подходит?
Только инжиниринг запросов, включая подробные системные сообщения.
RAG для данных каталога продуктов, тонкая настройка для брендового голоса и подготовка запросов для инструкций, относящихся к конкретной беседе.
Тонкая настройка только с каталогом продуктов, который включен в обучающие данные.
Вы должны ответить на все вопросы перед проверкой.
Были ли сведения на этой странице полезными?
Нужна помощь с этой темой?
Хотите попробовать использовать Ask Learn для уточнения или руководства по этой теме?