Copilot Tuning Expert Q&A modeliyle ilgili sorunları giderme

Bu makalede, Microsoft 365 Copilot Ayarlama uzmanı Q&A göreviyle ilgili en yaygın sorunlardan bazıları ve bunların nasıl giderilir açıklanmaktadır.

Not

Copilot Tuning şu anda Erken Access Önizlemesi (EAP) için kullanılabilir. Gereksinimler ve nasıl kaydedilecekleri hakkında ayrıntılı bilgi için yönetici kılavuzuna bakın.

İçerik kaynağıma bağlanırken izin veya erişim hatası alıyorum

Erişim veya izin reddedildi hatası genellikle hesabınızın bu veri kaynağı üzerinde haklara sahip olmadığı anlamına gelir. İçerik deposu için uygun izinlere sahip olduğunuzdan emin olun. Örneğin, bir SharePoint sitesi ekliyorsanız, SharePoint yöneticinize hesabınızın (veya üyesi olduğunuz bir grubun) bu site veya belge kitaplığına erişimi olduğunu onaylayın. hassas ayarlama işlemi erişim denetimi için bir güvenlik grubu kullanıyorsa, işlemi yeniden denemeden önce doğru güvenlik grubunun ayarlandığından ve kullanıcı hesabınızın buna dahil olduğundan emin olun.

İnce ayarlanmış bir Q&A modeli oluşturdum, ancak Copilot aracıma eklemeye çalıştığımda bu model gösterilmiyor

Bildirim temelli aracınızı yapılandırırken yeni eğitilen modeliniz seçim açılan listesinde yer almıyorsa, bir izin sorununuz olabilir. Model bir güvenlik grubu veya erişim ilkesiyle ilişkilendirilir ve hesabınız dahil olmayabilir. Model oluşturma sırasında kullanılan güvenlik grubunun hesabınızı (veya aracıyı oluşturan kişinin hesabını) içerdiğinden emin olun. BT yöneticinizden sizi bu gruba eklemesini veya modeli parçası olduğunuz bir grupla yeniden oluşturmasını istemeniz gerekebilir. İzinleriniz düzeltildiğinde, seçim için ince ayarlı modelin görünmesi gerekir.

"Verileri eğitim için hazırlama" seçeneğine tıkladığımda hiçbir etiketleme arabirimi veya veri görünmüyor

Bazı hassas ayarlama senaryolarında verilerin el ile etiketlenmesi gerekmez. Q&A ince ayar işlem hattında, sistem hazırlık sonrasında etikete veri sunmuyorsa, bu adımın senaryonuz için otomatik olarak atlandığı anlamına gelir. Başka bir deyişle, tüm tarifler bir etiketleme aşaması gerektirmez. İşlemin bir sonraki adımına geçebilirsiniz. (Bir etiketleme adımı beklediyseniz ancak bir adım almadıysanız, sistem etiketlenecek hiçbir şey olmadığını saptamış olabilir ve bu, belirli Q&A görevleri için normaldir.)

Veri işleme aşaması uzun sürüyor

İçeriğinizin boyutuna bağlı olarak veri hazırlama veya eğitim aşaması uzun sürebilir. Özellikle büyük bir belge koleksiyonu sağladıysanız, bu aşamanın birkaç saat sürmesi normaldir. İşlem tamamlandığında bir bildirim (örneğin, bir e-posta) almanız gerekir. Henüz bildirim almadıysanız sabırlı olun; bu büyük olasılıkla işlemin devam ediyor olduğu anlamına gelir. Birkaç saatten uzun bir süre geçtiyse, bildirimin yanlış dosyalanmamış olduğundan emin olmak için istenmeyen posta veya gereksiz e-posta klasörünüzü denetleyin. Ayrıca ince ayar sayfasını el ile yenileyebilir veya yeniden ziyaret edebilirsiniz. İşlem tamamlandığında, sitedeki durum verilerin hazır olduğunu veya bir sonraki adımın kullanılabilir olduğunu gösterir.

Veri işlememin bittiğini belirten bir e-posta bildirimi almadım

E-posta istenmeyen posta veya gereksiz klasörünüzü ince ayarlama işleminin tamamlandığıyla ilgili bir ileti için iki kez denetleyin. Bazen otomatik bildirimler filtrelenebilir. E-posta bulamazsanız endişelenmeyin; devam etmek için e-postaya ihtiyacınız yoktur. İnce ayar arabirimine Geri dön ve modelinizin durumunu orada denetleyin. Hazırlık adımı tamamlandıysa, arabirim verilerinizin bir sonraki adım için hazır olduğunu gösterir (örneğin, değerlendirme için hazır veya eğitilmeye hazır). Bu noktada, e-posta olmadan bile ince ayar iş akışına devam edebilirsiniz.

İnce ayarlama işlemi durdurulmuş veya başarısız olan parça yolu (hata durumuyla veya olmadan)

Eğitim/ince ayar işlemi başarısız olursa veya net bir hata iletisi olmadan kilitleniyorsa sistem geri bildirim sağlamamış olabilir. Geçerli sistemde sınırlı hata işleme vardır, bu nedenle bazen belirli bir hata kodu veya açıklama olmadan durabilir.

Sorun gidermek için:

1. İşlemi yeniden deneyin - Bazı durumlarda, ince ayarlama işlemini yeniden çalıştırmak veya son adımda yeniden başlatmak geçici bir sorunu çözebilir.
2. Yapılandırmaların doğru ayarlandığından emin olun ve yeniden deneyin.
3. Bilinen sorunları denetleyin - Günlüğe kaydedilen veya görüntülenen bir hata iletisi olup olmadığını görün. Bir hata kodu bulursanız, bu hata koduyla ilişkili yönergeleri izleyin. Belgelerde veya forumlarda belirli hatalar için ek bilgiler olabilir.

Sorun devam ederse desteğe başvurun.

Değerlendirme (test) veri kümem boş geldi veya değerlendirme için 0 Q&A çifti oluşturuldu

Boş bir değerlendirme dosyası genellikle sistemin içeriğinizden Q&A örneği oluşturamadığını gösterir. Yaygın nedenlerden biri, sağladığınız içerik koleksiyonunun çok küçük olması veya kullanılabilir veri içermemiş olmasıdır. Modelde Q&A örnekleri oluşturmak için yeterli malzeme yoktu.

Bunu ele almak için:

1. Bilgi kaynağı içeriğinizi doğrulama - Seçtiğiniz belgelerin veya veri kaynağının beklediğiniz bilgileri içerdiğini bir kez daha denetleyin. İçerik deposu boş veya çok sınırlıysa, daha ilgili belgeler ekleyin ve ardından ince ayarlama işlemini yeniden çalıştırın.
2. İşlemi yeniden çalıştırın - İçeriğin yerinde olduğundan emin olduktan sonra verileri hazırlama veya ince ayarlama adımını yeniden deneyin. Bu kez değerlendirme için bir Q&A çifti kümesi üretebilir.
3. Hala boşsa yardım isteyin - Hala boş bir değerlendirme veya boş bir eğitim kümesi alıyorsanız, temel alınan bir sorun olabilir. Yardım için desteğe başvurun. Herhangi bir filtreleme kuralının veya hatanın verilerinizin atılmasıyla ilgili olup olmadığını denetleyebilir. Nadir durumlarda, katı filtreleme veya kapsamın dışında olan tüm içerikler veri olmamasıyla sonuçlanabilir; destek, bunun olup olmadığını belirlemeye yardımcı olabilir.

Model eğitimi tamamlandı, ancak verdiği yanıtlar garip veya ilgisiz (" garip") görünüyor

İnce ayarlanmış Q&Bir modelin yanıtları anlamlı değilse veya etki alanınızla ilgisiz görünüyorsa, bunun nedeni genellikle eğitim veri kalitesi veya miktarıdır. Bir model yalnızca eğitildiği verilerin yanı sıra performansı da gerçekleştirebilir. "Garip" veya düşük kaliteli model çıktısı sorunlarını giderme adımları şunlardır:

1. Yeterli eğitim verisi olduğundan emin olun: Sağladığınız bilgi kaynağının yeterli yararlı içeriğe sahip olup olmadığını denetleyin. İçerik koleksiyonunuz çok küçük veya boşsa model temelde hiçbir şey üzerinde eğitilmiş olabilir ve bu da etkili bir şekilde "vanilya" veya saçma bir modelle sonuçlanmış olabilir[1]. Modelin işlemesini beklediğiniz konuyu kapsayan yeterli belge veya Q&A çifti eklediğinizden emin olun.
2. İlgili verileri sağlayın: Modelin yanıtları konu dışıysa, eğitim belgelerinizden bazıları hedeflenen etki alanıyla eşleşmeyebilir. Örneğin, bir finans Q&A botu oluşturuyorsanız ancak içinde beslenen içerik çoğunlukla genel veya ilgisizse model doğru bilgiye sahip olmaz. İçeriğinizi beklenen sorularla daha ilgili olacak şekilde daraltın.
3. İyileştirmeler sonrasında yeniden eğitme: Daha fazla veya daha iyi veri ekledikten sonra, ince ayarlama işlemini yeniden çalıştırın. Veri kümesinin iyileştirilmesi genellikle yanıt kalitesinde doğrudan bir iyileşmeye yol açar.

Yukarıdaki işlemleri yaptıysanız ve modelin yanıtları hala yanlış veya tutarsızsa, destek almak için ulaşabilirsiniz. İşlem hattının ince ayarıyla ilgili bir kenar örneği sorunu olabilir. Ancak çoğu durumda eğitim verilerinizi artırmak (veya görev yönergelerini ayarlamak) modelin yanıtlarını büyük ölçüde geliştirmelidir.

Modelin değerlendirme yanıtları iyi görünüyordu, ancak aracının yanıtları iyi değil

Bu bilinen bir davranıştır. İnce ayarlı model yalıtılmış değerlendirmede iyi performans gösterebilir, ancak aracı yapılandırması modelin nüanslarını tam olarak taşımazsa dağıtılan aracının davranışı farklılık gösterebilir. Özellikle, aracının modeli etkili bir şekilde kullanmak için ek yönergelere ihtiyacı olabilir. Bunu çözmek için:

1. Değerlendirme ile aracı çıkışlarını karşılaştırma - Eksik veya farklı olanları belirleyin. Örneğin, değerlendirme yanıtlarının hoşladığınız samimi, empatik bir tonu olabilir, ancak aracının yanıtları daha genel veya terse geliyordur.
2. Aracının yönergelerini ayarlama - Aracı oluşturucusunda, sistem yönergelerini veya istemlerini ekleyin veya geliştirin. Değerlendirme aşamasında görmek istediğiniz özellikleri pekiştirin. Örneğin, "Empatik bir tonda yanıt ver" veya "Varsa ayrıntılı adımları ekle" yönergelerini ekleyin.
3. Yeniden test edin - Yönergeleri güncelleştirdikten sonra aracıyı aynı sorularla test edin. Yanıtlar, ince ayarlı modelin beklenen davranışıyla daha yakından hizalanmalıdır. Aracının bu yinelemeli ayarı bazen en iyi sonuçları almak için gereklidir. İnce ayarlı model bilgi sağlar ve aracının yönergeleri bu bilginin nasıl ifade edildiğine şekil verir.

Soru-Cevap&A aracımdan gelen yanıtlar hala beklediğim gibi değil

Genel yanıt kalitesini yetersiz bulursanız ince ayar kurulumunuzu daha da geliştirmeniz gerekebilir. Şu adımları göz önünde bulundurun:

1. Eğitim verilerini geliştirme veya artırma - hassas ayarlama için kullanılan veri kümesinin yüksek kaliteli, ilgili ve soruların etki alanı için kapsamlı olduğundan emin olun. Mümkünse, beklediğiniz sorguların kapsamını kapsayan daha fazla örnek veya belge ekleyin. Daha zengin bir veri kümesi modelin doğruluğunu önemli ölçüde geliştirebilir.
2. İlk yapılandırmayı iyileştirme - Model kurulumu sırasında, büyük olasılıkla bazı ilk yönergeler sağladınız veya bir form (bazen etki alanı ve görevle ilgili anket olarak da adlandırılır) bir form doldurmuşsunuz. Bu girişleri tekrar ziyaret edin. Modeli daha iyi yönlendirmek için görev açıklamasını ve ayarlarını düzenleyin veya geliştirin. Örneğin, modelin çok yüksek bir düzeyde yanıt vermekte olduğunu fark ederseniz yönergelerin istenen derinliği veya bağlamı belirttiğinden emin olun.
3. Net örnekler sağlayın - Sistem izin veriyorsa örnek Q&A çiftleri veya daha fazla kılavuz verin. Bazı hassas ayarlama işlemleri, verileri gözden geçirmenize veya etiketlemenize olanak sağlar. Modele doğru yanıtların nasıl göründüğünü öğretmek için bu fırsatı kullanın.
4. Yineleme ve test - İnce ayarlama genellikle yinelemeli bir işlemdir. Değişiklik yaptıktan sonra yeniden eğitin (veya destekleniyorsa kısmen eğitin) ve ardından Q&A aracısını yeniden test edin. Yavaş yavaş daha iyi performansa yakınsama yapabilirsiniz. Açık uçlu veya son derece karmaşık soruların her zaman zor olabileceğini unutmayın, ancak hedef, beklenen sorguların çoğunun iyi yanıtlanmasıdır.

Q&A Copilot'un bazı yanıtlarında alıntı yoktur

Sistemin geçerli sürümünde, içeriğinizden bilgi çekse bile her yanıt bir alıntı içermez. Q&A ince ayar işlem hattı alma işlemiyle çalışır. Yanıt doğrudan alınan belgelerden geldiğinde (RAG alma bileşeni kullanılarak), sistem alıntı bağlantılarını gösterir. Ancak, yanıt ince ayarlı modelin kendi bilgisinden geliyorsa (örneğin, eğitim sırasında öğrendiği ve bir belgeden doğrudan alıntı olmayan bir şey), kaynak alıntı eklemeden yanıt verebilir. Bu davranış beklenmektedir.

Alıntıların varlığı genellikle yanıtın çalışma zamanında sağladığınız belgeleri kullandığının iyi bir işaretidir. Alıntı olmaması, yanıtın yanlış olduğu anlamına gelmez; yalnızca yanıtın modelin iç bilgisinden oluşturulduğu veya sorunun belgenin alınmasını gerektirmeyebileceği anlamına gelebilir.

Bir yanıtın alıntısı olması gerektiğini düşünüyorsanız (örneğin, sağladığınız bir belgeden alıntı yapılmış gibi görünüyorsa) ancak alıntı gösterilmiyorsa, bilgi kaynaklarınızın aracı çalıştırması sırasında düzgün bir şekilde bağlandığını doğrulayın. Aracı gerçek belge yerine ince ayarlı modelden yanıt alabilir.

Alıntı içermeyen bir yanıtın bazı durumlarda olağan dışı olmadığını unutmayın. Kaynak içeriğinizi el ile arayarak her zaman kritik bilgileri doğrulayabilirsiniz ve bir alıntının eksik veya yanlış olduğunu düşünüyorsanız, geliştiricilere haber vermek için araçtaki geri bildirim mekanizmalarını kullanın (örneğin, kötü bir yanıt bildirerek).

İlgili içerik

• Microsoft 365 Copilot Ayarlamaya genel bakış (önizleme)

Desteğe ihtiyacınız varsa veya geri bildirim sağlamak istiyorsanız bkz. Copilot Tuning SSS.