Copilot 微調摘要會從以組織通訊樣式呈現的複雜檔產生高品質摘要。 摘要產生會重新整理複雜的檔，並可產生一致的輸出，例如：
- 自動化的主管報告
- 商務合約摘要
- 法規和內部檔
當組織有大量檔需要特定樣式的一致摘要時，摘要是理想的選擇。
您可以透過微調來自定義企業的 Copilot 微調摘要。 Copilot Tuning 會使用提供作為訓練輸入的文字型檔和摘要組，為您的組織維持一致的通訊樣式。 它會在 Microsoft 365 內的租使用者特定隔離環境中運作，並遵守貴企業的隱私權承諾。 用戶數據會在您的租使用者中保持隔離，以保護其他實體的存取權。
注意事項
Copilot Tuning 目前適用於早期 Access 預覽版 (EAP) 。 如需需求和註冊方式的詳細資訊，請參閱 系統管理指南。
主要功能
Copilot Tuning 摘要會使用下列屬性建立結構化摘要：
- 根據訓練範例擷取和重設重要資訊
- 維護優先處理重要資訊的原始文件結構
- 組織語音和樣式的摘要
Copilot Tuning 的核心是自定義的大型語言模型， (LLM) 使用進階提示和模型化技術為您的組織量身打造。 此模型可確保有效率且精確的產生摘要，與組織的語音、語調和風格一致。
Copilot Tuning 採用一些訓練方法，例如小數點、微調和擷取擴增的產生 (RAG) ，以增強靈活度和精確度。 這些模型可提升生產力、確保輸出之間的一致性，以及與 Microsoft 365 整合，同時降低與領域特定術語和機密數據相關的風險。
模型定型需求
模型定型程式需要輸入參數，以以下列格式支援以文字為基礎的檔和摘要組：
- .docx
- 具有可選取文字) 的 .pdf (
- .aspx格式
這些原始檔和摘要組是訓練用途的必要專案，才能將產生的摘要與組織通訊樣式對齊。
模型定型設定
Copilot 微調摘要有簡單的模型定型程式：
數據擷取：資訊源自 SharePoint 等平臺。 檔和摘要組會組織成結構化格式，準備進行監督式定型。
數據處理：父系、文件和目標數據表會作為訓練連結庫的數據源。
微調：監督式微調會使用所提供的檔和摘要組，將模型與您組織的特定語調和樣式對齊。 驗證牽涉到使用保留的測試數據和效能計量，檢查是否保留密鑰資訊和音調。
此訓練旨在根據定型範例，減少目前預測與所需輸出之間的不一致性。 模型會使用單一階段在文件和摘要組上定型。 擷取的數據會使用 LLM 來處理，以建立與使用者現有輸出樣式緊密結合的自定義摘要模型，以允許快速且精確的推斷。
監督式微調步驟會考慮真實世界的訓練範例，讓它能夠辨識檔的重要區段，並有效率地產生摘要。
模型推斷
Copilot Tuning 摘要的推斷可讓使用者透過 Word、SharePoint 或 Teams 等平臺提交檔，以在熟悉的環境中取得摘要。 當使用者提供源文檔時，微調模型會在短時間內有效率地建立簡潔的摘要，同時維持音調和文件結構。
摘要產生會優先擷取關鍵區段、子句和檔的核心意義，根據訓練範例反映被視為最重要的專案。 這些摘要可讓使用者專注於加值活動，而不是手動檢閱檔，以從頭開始建立摘要。
使用者的意見反應在維護摘要品質，並允許持續改善模型效能方面扮演著關鍵角色。
Copilot 微調摘要可在 Microsoft 365 應用程式中取得， (例如 Word、SharePoint 或 Teams) ，透過 Copilot 中的宣告式代理程式，其中的檔會提交至 Azure AI 中的 Microsoft 365 大型語言模型。
企業整合
Copilot Tuning 摘要會在已使用的應用程式內採用現有的使用者工作流程，並支援定型程式來建立組織使用案例特定的檔摘要，例如會議或商務報告。