Metin oluşturmayı veya işlemeyi öğrenin
Azure OpenAI Hizmeti, çok çeşitli görevler için kullanılabilecek bir tamamlama uç noktası sağlar. Uç nokta, herhangi bir Azure OpenAI modeline basit ama güçlü bir metin ekleme, metin çıkışı arabirimi sağlar. İşlemin tamamlanmasını tetikleyebilmek için, istem olarak bir metin girin. Model, tamamlanmayı oluşturur ve bağlamınızla veya deseninizle eşleşmeye çalışır. API'ye "Descartes'ın dediği gibi, sanırım, bu nedenle" istemini sağladığınızı varsayalım. Bu istem için, Azure OpenAI yüksek olasılıkla "Ben" tamamlanma uç noktasını döndürür.
Tamamlamaları keşfetmeye başlamanın en iyi yolu , Azure OpenAI Studio'daki oyun alanından geçmektir. Tamamlama oluşturmak için bir istem girdiğiniz basit bir metin kutusu. Şunun gibi basit bir istemle başlayabilirsiniz:
write a tagline for an ice cream shop
İstemi girdikten sonra, Azure OpenAI tamamlanmayı görüntüler:
we serve up smiles with every scoop!
Azure OpenAI API'sinin her etkileşim için yeni çıktı üretmesi nedeniyle gördüğünüz tamamlama sonuçları farklılık gösterebilir. İsteminiz aynı kalsa bile API'yi her çağırdığınızda biraz farklı bir tamamlama alabilirsiniz. Bu davranışı ayarıyla Temperature
denetleyebilirsiniz.
Basit metin ekleme, metin çıkarma arabirimi, yönergeler veya ne yapmak istediğinize ilişkin yalnızca birkaç örnek sağlayarak Azure OpenAI modelini "programlayabileceğiniz" anlamına gelir. Çıktının başarısı genellikle görevin karmaşıklığı ve isteminizin kalitesine bağlıdır. Genel bir kural, genç bir öğrencinin çözeceği bir kelime sorununu nasıl yazabileceğinizi düşünmektir. İyi yazılmış bir istem, modelin ne istediğinizi ve nasıl yanıt vermesi gerektiğini bilmesi için yeterli bilgi sağlar.
Not
Model eğitim verileri her model türü için farklı olabilir. En son modelin eğitim verileri şu anda yalnızca Eylül 2021'e kadar uzanıyor. İsteminize bağlı olarak, model ilgili geçerli olaylar hakkında bilgi sahibi olmayabilir.
Tasarım istemleri
Azure OpenAI Hizmeti modelleri, özgün hikayeler oluşturmaktan karmaşık metin analizi gerçekleştirmeye kadar her şeyi yapabilir. Birçok şey yapabilecekleri için, ne istediğinizi gösterme konusunda açık olmanız gerekir. İyi bir istemin sırrı genellikle yalnızca söylemekle yetinmeyip göstermektir.
Modeller, istemden ne istediğinizi tahmin etmeye çalışır. "Bana kedi ırklarının listesini ver" istemini girerseniz, model otomatik olarak yalnızca bir liste istediğinizi varsaymıyor. İlk sözcüklerinizin "Bana kedi ırklarının bir listesini ver" ve ardından "ve hangilerini beğeniyorum" olduğu bir konuşma başlatıyor olabilirsiniz. Model yalnızca bir kedi listesi istediğinizi varsayarsa içerik oluşturma, sınıflandırma veya diğer görevler kadar iyi olmaz.
Güçlü istemler oluşturmaya yönelik yönergeler
Yararlı istemler oluşturmak için üç temel yönerge vardır:
Göster ve söyle. Yönergeleri, örnekleri veya ikisinin birleşimini kullanarak ne istediğinizi açıklayın. Modelin bir öğe listesini alfabetik sırada sıralamasını veya paragrafı yaklaşıma göre sınıflandırmasını istiyorsanız, modeli gösterme isteminize bu ayrıntıları ekleyin.
Kaliteli veriler sağlayın. Sınıflandırıcı oluşturmaya veya modelin bir deseni izlemesini sağlamaya çalışıyorsanız, yeterli örnek olduğundan emin olun. Örneklerinizi yazım denetlemeyi unutmayın. Model, temel yazım hatalarını düzeltecek ve size anlamlı bir yanıt verecek kadar akıllıdır. Buna karşılık, model hataların kasıtlı olduğunu varsayabilir ve bu da yanıtı etkileyebilir.
Ayarlarınızı denetleyin. ve
Top P
gibiTemperature
olasılık ayarları, modelin yanıt oluştururken ne kadar belirleyici olduğunu denetler. Yalnızca tek bir doğru yanıtın bulunduğu bir yanıt istiyorsanız, bu ayarlar için daha düşük değerler belirtmeniz gerekir. Belirgin olmayan bir yanıt arıyorsanız daha yüksek değerler kullanmak isteyebilirsiniz. Kullanıcıların bu ayarlarla yaptıkları en yaygın hata, model yanıtında "akıllılığı" veya "yaratıcılığı" denetlediklerini varsaymalarıdır.
İstem sorunları için sorun giderme
API'nin beklendiği gibi performans göstermesini sağlama konusunda sorun yaşıyorsanız uygulamanız için aşağıdaki noktaları gözden geçirin:
- Hedeflenen neslin ne olması gerektiği açık mı?
- Yeterli örnek var mı?
- Örneklerinizde hata olup olmadığını kontrol ettiniz mi? (API size doğrudan söylemez.)
- ve
Top P
olasılık ayarlarını doğru kullanıyorTemperature
musunuz?
Metni sınıflandırma
API ile bir metin sınıflandırıcısı oluşturmak için görevin açıklamasını sağlar ve birkaç örnek sağlarsınız. Bu tanıtımda API'ye metin iletilerinin yaklaşımını sınıflandırmayı gösterirsiniz. Yaklaşım, metindeki genel duyguyu veya ifadeyi ifade eder.
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:
Metin sınıflandırıcıları tasarlama yönergeleri
Bu gösterim sınıflandırıcıları tasarlamaya yönelik çeşitli yönergeleri ortaya koymektedir:
Girişlerinizi ve çıkışlarınızı açıklamak için düz dil kullanın. "İleti" girişi ve "Yaklaşım" ifadesini ifade eden beklenen değer için düz dil kullanın. En iyi yöntemler için düz dil açıklamalarıyla başlayın. İstemi oluştururken girişi ve çıkışı belirtmek için genellikle kısaltma veya tuşlar kullanabilirsiniz, ancak en iyisi olabildiğince açıklayıcı olmaktır. Ardından, istem performansı tutarlı olduğu sürece geriye doğru çalışabilir ve ek sözcükleri kaldırabilirsiniz.
API'ye her duruma nasıl yanıt vereceğini gösterin. Gösterim birden çok sonuç sağlar: "Pozitif", "Negatif" ve "Nötr." Nötr sonucun desteklenmesi önemlidir çünkü bir insanın bile pozitif veya negatif olup olmadığını belirlemekte zorlanabileceği birçok durum vardır.
Genel ifadeye göre emoji ve metin kullanın. Gösteri, sınıflandırıcının metin ve emojinin 👍bir karışımı olabileceğini gösterir. API emoji okur ve hatta ifadeleri bunlara dönüştürebilir. En iyi yanıt için, örnekleriniz için yaygın ifade biçimlerini kullanın.
Tanıdık görevler için daha az örnek kullanın. API yaklaşımı ve metin iletisi kavramını zaten anladığı için bu sınıflandırıcı yalnızca birkaç örnek sağlar. API'nin aşina olmayabileceği bir şey için sınıflandırıcı oluşturuyorsanız, daha fazla örnek sağlamanız gerekebilir.
Tek bir API çağrısından birden çok sonuç
Sınıflandırıcı oluşturmayı anladığınıza göre, bunu daha verimli hale getirmek için ilk gösterimi genişletelim. Tek bir API çağrısından birden çok sonuç almak için sınıflandırıcıyı kullanabilmek istiyorsunuz.
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.
Bu gösterim, API'nin metin iletilerini yaklaşıma göre nasıl sınıflandıracaklarını gösterir. İletilerin numaralandırılmış listesini ve aynı sayı dizinine sahip yaklaşım derecelendirmelerinin listesini sağlarsınız. API, tek bir metin iletisi için yaklaşımı sınıflandırmayı öğrenmek için ilk tanıtımdaki bilgileri kullanır. İkinci tanıtımda model, yaklaşım sınıflandırmasının metin iletileri listesine nasıl uygulanacağını öğrenir. Bu yaklaşım, API'nin tek bir API çağrısında beş (ve daha fazla) metin iletisini derecelendirmesine olanak tanır.
Önemli
API'den liste oluşturmasını veya metin değerlendirmesini istediğinizde, API'nin kaymayı önlemesine yardımcı olmak önemlidir. İzleyebileceğiniz bazı noktalar şunlardır:
- veya
Temperature
olasılık ayarları için değerlerinizeTop P
dikkat edin. - Olasılık ayarlarınızın doğru ayarlandığından emin olmak için birden çok test çalıştırın.
- Uzun listeleri kullanmayın. Uzun listeler kaymaya yol açabilir.
Fikirleri tetikleme
API ile gerçekleştirebileceğiniz en güçlü ancak en basit görevlerden biri, yeni fikirler veya giriş sürümleri oluşturmaktır. Gizemli bir roman yazdığınızı ve hikaye fikirlerine ihtiyacınız olduğunu varsayalım. API'ye birkaç fikir listesi verebilirsiniz ve listenize daha fazla fikir eklemeye çalışır. API yalnızca birkaç örnekten iş planları, karakter açıklamaları, pazarlama sloganları ve çok daha fazlasını oluşturabilir.
Bir sonraki tanıtımda, sınıfta sanal gerçekliğin nasıl kullanılacağına ilişkin daha fazla örnek oluşturmak için API'yi kullanacaksınız:
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.
Bu tanıtım, API'ye listeniz için bir liste öğesiyle birlikte temel bir açıklama sağlar. Ardından EKSIK bir "2" istemi kullanarak API'den bir yanıt tetiklersiniz. API, tamamlanmamış girişi benzer öğeler oluşturma ve bunları listenize ekleme isteği olarak yorumlar.
Fikirleri tetikleme yönergeleri
Bu tanıtım basit bir istem kullansa da, yeni fikirleri tetiklemeyle ilgili birkaç yönergeyi vurgular:
Listenin amacını açıklama. Metin sınıflandırıcısı gösterimine benzer şekilde, api'ye listenin ne hakkında olduğunu söyleyerek başlarsınız. Bu yaklaşım, API'nin metni analiz ederek desenleri belirlemeye çalışmak yerine listeyi tamamlamaya odaklanmasına yardımcı olur.
Listedeki öğeler için deseni ayarlayın. Tek cümlelik bir açıklama sağladığınızda API, liste için yeni öğeler oluştururken bu düzeni izlemeye çalışır. Daha ayrıntılı bir yanıt istiyorsanız bu amacı API'ye daha ayrıntılı metin girişiyle oluşturmanız gerekir.
Api'ye yeni fikirleri tetiklemesi için tamamlanmamış bir giriş iste. API, "2" istem metni gibi eksik görünen bir metinle karşılaştığında, ilk olarak girişi tamamlayacak metni belirlemeye çalışır. Tanıtımda liste başlığı ve "1" numaralı bir örnek ve buna eşlik eden metin bulunduğundan API, tamamlanmamış "2" istem metnini listeye öğe eklemeye devam etme isteği olarak yorumladı.
Gelişmiş nesil teknikleri keşfedin. İsteminizde daha uzun ve çeşitli bir liste oluşturarak yanıtların kalitesini artırabilirsiniz. Yaklaşımlardan biri, bir örnekle başlamak, API'nin daha fazla örnek oluşturmasına izin vermek ve ardından en çok beğendiğiniz örnekleri seçip listeye eklemektir. Örneklerinizde birkaç yüksek kaliteli varyasyon daha yanıtların kalitesini önemli ölçüde artırabilir.
Konuşmaları yürütme
GPT-35-Turbo ve GPT-4 sürümünden itibaren sohbet tamamlama uç noktasını destekleyen modelleri kullanarak konuşma oluşturma ve sohbet botları oluşturmanızı öneririz. Sohbet tamamlama modelleri ve uç noktası, tamamlanma uç noktasından farklı bir giriş yapısı gerektirir.
API, insanlarla ve hatta kendi kendine konuşmalar gerçekleştirme konusunda ustadır. Yalnızca birkaç yönerge satırıyla API, sorulara fluster olmadan akıllı bir şekilde yanıt veren bir müşteri hizmetleri sohbet botu veya şaka ve kelime oyunu yapan akıllı bir konuşma ortağı olarak performans sergileyebilir. Önemli olan API'ye nasıl davranması gerektiğini anlatmak ve birkaç örnek sağlamaktır.
Bu tanıtımda API, soruları yanıtlayan yapay zeka rolünü sağlar:
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:
Şimdi eğlenceli ve biraz yararlı bir sanal yardımcı olan "Cramer" adlı sohbet botu için bir varyasyona göz atalım. API'nin rolün karakterini anlamasına yardımcı olmak için birkaç soru ve yanıt örneği sağlarsınız. Tek gereken birkaç alaycı yanıttır ve API deseni alıp sonsuz sayıda benzer yanıt sağlayabilir.
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:
Konuşmaları tasarlama yönergeleri
Tanıtımlarımız, konuşmayı sürdürebilen bir sohbet botu oluşturmanın ne kadar kolay olduğunu gösteriyor. Basit görünse de, bu yaklaşım birkaç önemli yönergeyi izler:
Konuşmanın amacını tanımlayın. Diğer istemlerde olduğu gibi, API ile etkileşimin amacını açıklarsınız. Bu durumda , "bir konuşma." Bu giriş, API'yi ilk amada göre sonraki girişi işlemeye hazırlar.
API'ye nasıl davranacağını söyleyin. Bu tanıtımdaki önemli ayrıntılardan biri, API'nin nasıl etkileşim kurması gerektiğine ilişkin açık yönergelerdir: "yardımcı yararlı, yaratıcı, akıllı ve çok kolay." Açık yönergeleriniz olmadan API, etkileşimde bulunduğu insanı saptırabilir ve taklit edebilir. API düşmanca olabilir veya başka istenmeyen davranışlar sergiler.
API'ye bir kimlik verin. Başlangıçta, API'nin OpenAI tarafından oluşturulan bir yapay zeka olarak yanıt vermesini sağlayın. API'nin iç kimliği olmasa da, karakter açıklaması API'nin gerçeğe mümkün olduğunca yakın bir şekilde yanıt vermesine yardımcı olur. Farklı türlerde sohbet botları oluşturmak için karakter kimliği açıklamalarını başka şekillerde kullanabilirsiniz. API'ye biyoloji alanında bir araştırma bilimcisi olarak yanıt vermesini söylerseniz, API'den bu arka plana sahip birinden beklediğiniz gibi akıllı ve düşünceli yorumlar alırsınız.
Metin dönüştürme
API, sözcüklerin ve karakter kimliklerinin bilgileri ifade etmek için kullanılabilmesinin çeşitli yollarını bilen bir dil modelidir. Bilgi verileri, metinleri doğal dilden koda dönüştürmeyi ve diğer dillerle İngilizce arasında çevirmeyi destekler. API ayrıca içeriği özetlemesini, dönüştürmesini ve farklı şekillerde ifade etmesini sağlayan bir düzeyde anlayabilir. Bazı örneklere bakalım.
Bir dilden diğerine çevirme
Bu tanıtımda API'ye İngilizce dilindeki tümcecikleri Fransızcaya dönüştürme yönergeleri verilmiştir:
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:
Bu örnek, API'nin Fransızca dilini zaten kavraması nedeniyle çalışır. API'ye dili öğretmeye çalışmanız gerekmez. API'nin bir dilden diğerine dönüştürme isteğinizi anlamasına yardımcı olmak için yeterli örnek sağlamanız yeterlidir.
İngilizceden API'nin tanımadığı bir dile çevirmek istiyorsanız, API'ye daha fazla örnek ve akıcı çeviriler üretebilecek ince ayarlı bir model sağlamanız gerekir.
Metin ve emoji arasında dönüştürme
Bu gösterim, bir filmin adını metinden emoji karakterlerine dönüştürür. Bu örnekte, API'nin desenleri almak ve diğer karakterlerle çalışmak için uyarlanabilirliği gösterilmektedir.
Carpool Time: 👨👴👩🚗🕒
Robots in Cars: 🚗🤖
Super Femme: 👸🏻👸🏼👸🏽👸🏾👸🏿
Webs of the Spider: 🕸🕷🕸🕸🕷🕸
The Three Bears: 🐻🐼🐻
Mobster Family: 👨👩👧🕵🏻♂️👲💥
Arrows and Swords: 🏹🗡🗡🏹
Snowmobiles:
Metni özetleme
API, metin bağlamını kavrayabilir ve farklı şekillerde yeniden ifade edebilir. Bu tanıtımda API bir metin bloğu alır ve birincil yaştaki bir çocuk tarafından anlaşılabilen bir açıklama oluşturur. Bu örnek, API'nin dili derinlemesine kavradığını göstermektedir.
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:
"""
Metin özetleri üretme yönergeleri
Metin özetleme genellikle API'ye büyük miktarda metin sağlamayı içerir. BÜYÜK bir metin bloğunu işledikten sonra API'nin kaymasını önlemeye yardımcı olmak için şu yönergeleri izleyin:
Üç kez çift tırnak içine özetlemek için metni içine alın. Bu örnekte, özetleme metni bloğundan önce ve sonra ayrı bir satıra üç çift tırnak (""") girersiniz. Bu biçimlendirme stili, işlenmek üzere büyük metin bloğunun başlangıcını ve sonunu açıkça tanımlar.
Özet öncesinde ve sonrasında özet amacını ve hedef kitleyi açıklayın. API'ye iki kez yönergeler sağladığınız için bu örneğin diğerlerinden farklı olduğuna dikkat edin: işlenmeden önce ve sonra. Yedekli yönergeler, API'nin amaçladığınız göreve odaklanmasına ve kaymayı önlemesine yardımcı olur.
Kısmi metin ve kod girişlerini tamamlama
Tüm istemler tamamlamalarla sonuçlanırken, API'nin kaldığınız yerden devam etmelerini istediğiniz durumlarda metin tamamlamanın kendi görevi olarak düşünmeniz yararlı olabilir.
Bu tanıtımda, API'ye eksik gibi görünen bir metin istemi sağlayacaksınız. "ve" sözcüğündeki metin girişini durdurursunuz. API, tamamlanmamış metni, düşünce eğitiminize devam etmek için tetikleyici olarak yorumlar.
Vertical farming provides a novel solution for producing food locally, reducing transportation costs and
Bu sonraki tanıtımda, kod bileşenleri yazmaya React
yardımcı olmak için tamamlama özelliğini nasıl kullanabileceğiniz gösterilmektedir. API'ye kod göndererek başlarsınız. Açık parantez (
ile kod girişini durdurursunuz. API, tamamlanmamış kodu bir tetikleyici olarak yorumlayarak sabit tanımı tamamlar HeaderComponent
. API, ilgili React
kitaplığı anladığı için bu kod tanımını tamamlayabilir.
import React from 'react';
const HeaderComponent = () => (
Tamamlamaları oluşturma yönergeleri
Metin ve kod tamamlamaları oluşturmak için API'yi kullanmaya yönelik bazı yararlı yönergeler aşağıda verilmiştir:
API'nin odaklanmış durumda kalmasını sağlamak için Sıcaklık'ı düşürin. API'ye isteminizde açıklanan amada odaklanmış yanıtlar sağlamasını bildirmek için
Temperature
ayarı için daha düşük değerler ayarlayın.API'nin tanjant oluşturabilmesi için Sıcaklık'ı yükseltin. API'nin
Temperature
isteminizde açıklanan amada tanjantlı bir şekilde yanıt vermesini sağlamak için ayarı için daha yüksek değerler ayarlayın.GPT-35-Turbo ve GPT-4 Azure OpenAI modellerini kullanın. Microsoft, kodu anlama veya oluşturma ile ilgili görevler için ve
GPT-4
Azure OpenAI modellerinin kullanılmasınıGPT-35-Turbo
önerir. Bu modeller yeni sohbet tamamlama biçimini kullanır.
Olgusal yanıtlar oluşturma
API, eğitimi sırasında gözden geçirilen gerçek veriler üzerine oluşturulan bilgileri öğrenmiştir. Yanıtlarını oluşturmak için bu öğrenilen verileri kullanır. Ancak API, kulağa doğru gibi gelen ancak aslında hazırlanmış bir şekilde yanıt verme özelliğine de sahiptir.
API'nin girişinize yanıt olarak yanıt oluşturma olasılığını sınırlamanın birkaç yolu vardır. Api'nin yanıtını verilerinizden hazırlaması için gerçek ve olgusal bir yanıtın temelini tanımlayabilirsiniz. Ayrıca düşük Temperature
olasılık değeri ayarlayabilir ve api'ye veriler olgusal bir yanıt için kullanılabilir olmadığında nasıl yanıt vereceğini gösterebilirsiniz.
Aşağıdaki gösteride API'ye daha olgusal bir şekilde yanıt vermesinin nasıl öğret olduğu gösterilmektedir. API'ye anladığı soru ve yanıt örneklerini sağlarsınız. Ayrıca yanıt ("A") çıktısı için bir soru işareti tanıyamayabilir ve kullanmayabileceği sorulara ("Q") örnekler de gönderirsiniz. Bu yaklaşım, API'ye aslında yanıt veremediği sorulara nasıl yanıt verebileceğini öğretir.
Bir güvenlik önlemi olarak, gerçek ve olgusal yanıtla ilgili herhangi bir şüphe olması durumunda API'nin soru işaretiyle (?) yanıt verme olasılığının daha yüksek olması için olasılığı sıfır olarak ayarlarsınız Temperature
.
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:
Olgusal yanıtlar oluşturma yönergeleri
Şimdi API'nin yanıt oluşturma olasılığını sınırlamaya yardımcı olacak yönergeleri gözden geçirelim:
API için temel bir gerçek sağlayın. API'ye amacınıza göre gerçek ve olgusal bir yanıt oluşturmanın temeli olarak nelerin kullanılacağını anlatın. API'ye soruları yanıtlamak için kullanılacak bir metin gövdesi (Wikipedia girişi gibi) sağlarsanız, API'nin yanıt oluşturma olasılığı daha düşüktür.
Düşük olasılık kullanın. API'nin amacınıza odaklanması ve birleştirilmiş veya birleştirilmiş yanıt oluşturmaya sürüklenmemesi için düşük
Temperature
olasılık değeri ayarlayın.API'ye "Bilmiyorum" ile nasıl yanıt vereceğini gösterin. API'ye olgusal yanıt bulamama soruları için belirli bir yanıt kullanmayı öğreten örnek sorular ve yanıtlar girebilirsiniz. Örnekte, API'ye ilgili verileri bulamadıklarında soru işaretiyle (?) yanıt vermeyi öğretirsiniz. Bu yaklaşım, API'nin yanıt vermekten çok "bilmiyorum" ifadesiyle yanıt vermenin daha "doğru" olduğunu öğrenmesine de yardımcı olur.
Kodla çalışma
Codex model serisi, OpenAI'nin hem doğal dil hem de milyarlarca kod satırı üzerinde eğitilmiş temel GPT-3 serisinin bir alt modelidir. Python'da en yeteneklidir ve C#, JavaScript, Go, Perl, PHP, Ruby, Swift, TypeScript, SQL ve hatta Shell gibi bir düzineden fazla dilde yetkindir.
Kod tamamlamaları oluşturma hakkında daha fazla bilgi için bkz. Codex modelleri ve Azure OpenAI Hizmeti.
Sonraki adımlar
- GPT-35-Turbo ve GPT-4 modelleriyle çalışmayı öğrenin.
- Azure OpenAI Hizmeti modelleri hakkında daha fazla bilgi edinin.
Geri Bildirim
https://aka.ms/ContentUserFeedback.
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz.Gönderin ve geri bildirimi görüntüleyin