这些常见问题(FAQ)介绍了 Copilot Studio 中深度推理功能的人工智能影响。
什么是深度推理?
深度推理模型是为解决复杂问题而设计的高级大型语言模型。 他们会仔细考虑每个问题,在向用户提供回复之前生成详细的内部思维链。
如何使用 Copilot Studio 中的深度推理模型?
Copilot Studio 中的深度推理模型为创建复杂的代理提供了强大的功能。 Azure OpenAI o1 等模型使用深度推理来增强代理的决策能力,并返回更准确的响应。
在构建代理时,制作者可以添加指令来定义代理的任务及其完成任务的方式。 这些任务的范围从简单到高度复杂,需要彻底分析。
制作者可以将推理模型应用于智能体指令中的特定步骤,从而增强智能体执行高级推理的能力,并提供更准确、更有洞察力的结果。 您可以为需要科学研究、复杂问题和对非结构化数据进行深入分析的任务添加深度推理模型。 这些模型提供的见解超出了简单模型的功能。
要使用推理模型,请在代理指令的特定步骤中添加关键字推理。 例如使用‘推理’确定数学数列中的下一项,如 2、5、10、17。这将在代理运行期间触发该特定步骤的推理模型。 Copilot Studio 目前使用 Azure OpenAI o1 模型来实现其高级推理功能。
深度推理模型的预期用途是什么?
深度推理模型旨在处理需要逻辑推理、解决问题和分步分析的复杂任务。 例如,您可以使用深度推理模型来:
评估市场趋势并推荐最佳投资机会。 深度推理模型可以将市场数据分解为更小的、可管理的步骤;分析趋势;并推荐最佳投资机会。 它们可以考虑历史数据、当前市场条件和未来预测等各种因素,从而提供明智的投资建议。
分析增加的需求并推荐库存管理策略。 模型可以分析需求和供应模式,预测未来的库存需求,并推荐有效管理库存的策略。 通过考虑季节性趋势、市场波动和供应链动态等因素,深度推理模型可以帮助企业优化库存管理。
求解微分方程并提供分步解释。 模型可以解决复杂的数学问题,例如微分方程,并提供解决方案的分步解释。 通过将问题分解为更小的步骤并应用逻辑推理,深度推理模型可以为数学挑战提供清晰而详细的解决方案。
深度推理模型是如何评估的,以及使用哪些指标来衡量绩效?
对 Copilot Studio 中使用的深度推理模型进行了接地气、负责任的人工智能和准确性评估。 扎根性是确保模型仅返回基于特定真实世界上下文的内容。 负责任的 AI 会检查针对越狱攻击、跨域提示注入攻击和有害内容等危害的防护。
为了根据这些维度进行衡量,模型针对一组不同的场景进行了测试,并根据每个维度进行评分。 所有深度推理模型在发布之前都会经过评估。
深度推理模型的局限性是什么? 用户在使用该系统时,如何将这些限制因素的影响降至最低?
启用推理模型:只有当深度推理模型功能在代理设置中开启时,代理才能使用深度推理模型。
使用关键字激活:制作者必须在给代理的指令中包含关键字推理,代理才能在运行时使用深度推理模型。 代理只对包含推理关键字的特定任务使用深度推理。
回复时间:由于分析所需的时间,与其他非深度推理语言模型相比,推理模型的回复往往更慢。
为尽量减少这些限制的影响,用户可以:
确保为有需要的代理打开深度推理模型功能。
在代理指令中使用关键字推理,用于深度推理模型将受益的步骤。
对允许更长回复时间的任务使用深度推理模型。 如有必要,请让用户知道某些代理回复可能需要更长的时间。
哪些操作因素和设置可以有效、负责任地使用深度推理模型?
深度推理模型包括各种保护措施,以确保管理员、制作者和用户享受安全、合规的体验:
只允许需要复杂推理步骤的代理使用深度推理模型。 这确保了模型在可以提供最大价值的地方得到利用。
在指令中包含关键字推理,以便在运行时针对特定任务触发模型,而不是所有可能不需要复杂推理的任务。
彻底测试智能体,以确保深度推理模型提供的输出的准确性和可靠性。 测试还有助于识别任何潜在问题,并确保模型按预期执行。
使用活动图查看代理在会话中使用深度推理模型的位置。 展开地图中的深度推理节点,查看模型所采取的步骤和模型的输出。 这将帮助您确定推理模型是否提供了预期的功能。
通过在测试期间更新指令,比较使用和不使用深度推理模型的输出。