Meer informatie over het genereren of bewerken van tekst met behulp van de verouderde voltooiings-API
Azure OpenAI Service biedt een voltooiingseindpunt dat kan worden gebruikt voor een groot aantal taken. Het eindpunt biedt een eenvoudige maar krachtige interface voor tekst-in, tekstuitval voor elk Azure OpenAI-model. Als u de voltooiing wilt activeren, voert u tekst in als een prompt. Het model genereert de voltooiing en probeert overeen te komen met uw context of patroon. Stel dat u de prompt 'Zoals Descartes zei, ik denk daarom' aan de API opgeeft. Voor deze prompt retourneert Azure OpenAI het voltooiingseindpunt 'Ik ben' met een hoge waarschijnlijkheid.
Belangrijk
Tenzij u een specifieke use case hebt waarvoor het eindpunt voor voltooiingen is vereist, raden we u aan in plaats daarvan het eindpunt voor chatvoltooiingen te gebruiken, zodat u kunt profiteren van de nieuwste modellen, zoals GPT-4o, GPT-4o mini en GPT-4 Turbo.
De beste manier om te beginnen met het verkennen van voltooiingen is via de speeltuin in Azure AI Studio. Het is een eenvoudig tekstvak waarin u een prompt invoert om een voltooiing te genereren. U kunt beginnen met een eenvoudige prompt zoals deze:
write a tagline for an ice cream shop
Nadat u uw prompt hebt ingevoerd, wordt in Azure OpenAI de voltooiing weergegeven:
we serve up smiles with every scoop!
De voltooiingsresultaten die u ziet, kunnen verschillen omdat de Azure OpenAI-API nieuwe uitvoer produceert voor elke interactie. Mogelijk krijgt u telkens wanneer u de API aanroept een iets andere voltooiing, zelfs als uw prompt hetzelfde blijft. U kunt dit gedrag beheren met de Temperature
instelling.
De eenvoudige tekst-in- en tekst-outinterface betekent dat u het Azure OpenAI-model kunt 'programmeren' door instructies of slechts een paar voorbeelden te geven van wat u wilt doen. Het succes van de uitvoer is over het algemeen afhankelijk van de complexiteit van de taak en de kwaliteit van uw prompt. Een algemene regel is om na te denken over hoe u een woordprobleem schrijft voor een leerling/student die vooraf moet worden opgelost. Een goed geschreven prompt biedt voldoende informatie voor het model om te weten wat u wilt en hoe het moet reageren.
Notitie
De modeltrainingsgegevens kunnen voor elk modeltype verschillen. De trainingsgegevens van het nieuwste model worden momenteel alleen verlengd tot september 2021. Afhankelijk van uw prompt heeft het model mogelijk geen kennis van gerelateerde actuele gebeurtenissen.
Ontwerpprompts
Azure OpenAI Service-modellen kunnen alles doen, van het genereren van originele verhalen tot het uitvoeren van complexe tekstanalyses. Omdat ze zoveel dingen kunnen doen, moet u expliciet zijn om te laten zien wat u wilt. Iets laten zien, niet alleen erover vertellen, is vaak het geheim van een goede prompt.
De modellen proberen te voorspellen wat u wilt uit de prompt. Als u de prompt 'Geef mij een lijst met kattenrassen' invoert, wordt er niet automatisch van uitgegaan dat u alleen om een lijst vraagt. Misschien begint u een gesprek waarin uw eerste woorden 'Geef me een lijst met kattenrassen' gevolgd door 'en ik vertel je welke ik leuk vind'. Als het model alleen ervan uitging dat u een lijst met katten wilde, zou het niet zo goed zijn bij het maken, classificeren of andere taken van inhoud.
Richtlijnen voor het maken van robuuste prompts
Er zijn drie basisrichtlijnen voor het maken van nuttige prompts:
Weergeven en vertellen. Maak duidelijk wat u wilt via instructies, voorbeelden of een combinatie van de twee. Als u wilt dat het model een lijst met items in alfabetische volgorde rangschikt of een alinea op gevoel classificeert, neemt u deze details op in uw prompt om het model weer te geven.
Kwaliteitsgegevens bieden. Als u probeert een classificatie te bouwen of het model op te halen om een patroon te volgen, controleert u of er voldoende voorbeelden zijn. Zorg ervoor dat u uw voorbeelden controleert. Het model is slim genoeg om eenvoudige spelfouten op te lossen en u een zinvol antwoord te geven. Omgekeerd kan het model ervan uitgaan dat de fouten opzettelijk zijn, wat van invloed kan zijn op het antwoord.
Controleer uw instellingen. Waarschijnlijkheidsinstellingen, zoals
Temperature
enTop P
, bepalen hoe deterministisch het model een antwoord genereert. Als u om een antwoord vraagt waarbij er slechts één juiste antwoord is, moet u lagere waarden voor deze instellingen opgeven. Als u op zoek bent naar een antwoord dat niet duidelijk is, kunt u hogere waarden gebruiken. De meest voorkomende fout die gebruikers met deze instellingen maken, is ervan uitgaande dat ze 'slim' of 'creativiteit' in het modelantwoord beheren.
Problemen met prompts oplossen
Als u problemen ondervindt bij het uitvoeren van de API zoals verwacht, bekijkt u de volgende punten voor uw implementatie:
- Is het duidelijk wat de beoogde generatie moet zijn?
- Zijn er genoeg voorbeelden?
- Hebt u uw voorbeelden gecontroleerd op fouten? (De API vertelt u niet rechtstreeks.)
- Gebruikt u de
Temperature
enTop P
waarschijnlijkheidsinstellingen correct?
Tekst classificeren
Als u een tekstclassificatie met de API wilt maken, geeft u een beschrijving van de taak op en geeft u enkele voorbeelden. In deze demonstratie laat u de API zien hoe u het gevoel van sms-berichten kunt classificeren. Het gevoel geeft het algemene gevoel of de expressie in de tekst aan.
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:
Richtlijnen voor het ontwerpen van tekstclassificaties
In deze demonstratie ziet u verschillende richtlijnen voor het ontwerpen van classificaties:
Gebruik gewone taal om uw invoer en uitvoer te beschrijven. Gebruik een gewone taal voor de invoer 'Bericht' en de verwachte waarde die het gevoel uitdrukt. Voor aanbevolen procedures begint u met beschrijvingen van gewone taal. U kunt vaak korthandig of sleutels gebruiken om de invoer en uitvoer aan te geven bij het bouwen van uw prompt, maar u kunt het beste beginnen door zo beschrijvend mogelijk te zijn. Vervolgens kunt u achteruit werken en extra woorden verwijderen zolang de prestaties van de prompt consistent zijn.
Laat de API zien hoe u op elk geval kunt reageren. De demonstratie biedt meerdere resultaten: 'Positief', 'Negatief' en 'Neutraal'. Het ondersteunen van een neutraal resultaat is belangrijk omdat er veel gevallen zijn waarbij zelfs een mens moeite kan hebben om te bepalen of iets positief of negatief is.
Gebruik emoji en tekst volgens de algemene expressie. In de demonstratie ziet u dat de classificatie een combinatie van tekst en emoji 👍kan zijn. De API leest emoji en kan zelfs expressies naar en van deze converteren. Gebruik voor het beste antwoord algemene expressievormen voor uw voorbeelden.
Gebruik minder voorbeelden voor vertrouwde taken. Deze classificatie biedt slechts een aantal voorbeelden omdat de API al inzicht heeft in gevoel en het concept van een tekstbericht. Als u een classificatie bouwt voor iets waarmee de API mogelijk niet bekend is, moet u mogelijk meer voorbeelden opgeven.
Meerdere resultaten van één API-aanroep
Nu u begrijpt hoe u een classificatie bouwt, gaan we verder met de eerste demonstratie om deze efficiënter te maken. U wilt de classificatie kunnen gebruiken om meerdere resultaten terug te krijgen van één API-aanroep.
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.
In deze demonstratie ziet u hoe de API tekstberichten classificeert op gevoel. U geeft een genummerde lijst met berichten en een lijst met sentimentclassificaties met dezelfde numerieke index op. De API gebruikt de informatie in de eerste demonstratie om te leren hoe u sentiment voor één sms-bericht classificeert. In de tweede demonstratie leert het model hoe u de gevoelsclassificatie toepast op een lijst met sms-berichten. Met deze methode kan de API vijf (en nog meer) sms-berichten beoordelen in één API-aanroep.
Belangrijk
Wanneer u de API vraagt om lijsten te maken of tekst te evalueren, is het belangrijk om de API te helpen drift te voorkomen. Hier volgen enkele punten:
- Let goed op uw waarden voor de
Top P
ofTemperature
waarschijnlijkheidsinstellingen. - Voer meerdere tests uit om ervoor te zorgen dat uw waarschijnlijkheidsinstellingen correct zijn gekalibreerd.
- Gebruik geen lange lijsten. Lange lijsten kunnen leiden tot drift.
Ideeën activeren
Een van de krachtigste maar eenvoudigste taken die u met de API kunt uitvoeren, is het genereren van nieuwe ideeën of versies van invoer. Stel dat je een mysterie roman schrijft en dat je wat verhaalideeën nodig hebt. U kunt de API een lijst met enkele ideeën geven en er wordt geprobeerd meer ideeën aan uw lijst toe te voegen. De API kan bedrijfsplannen, karakterbeschrijvingen, marketingloganen en nog veel meer maken van slechts een klein aantal voorbeelden.
In de volgende demonstratie gebruikt u de API om meer voorbeelden te maken voor het gebruik van virtual reality in het klaslokaal:
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.
Deze demonstratie biedt de API een eenvoudige beschrijving voor uw lijst, samen met één lijstitem. Vervolgens gebruikt u een onvolledige prompt van '2', om een reactie van de API te activeren. De API interpreteert de onvolledige vermelding als een aanvraag om vergelijkbare items te genereren en toe te voegen aan uw lijst.
Richtlijnen voor het activeren van ideeën
Hoewel in deze demonstratie een eenvoudige prompt wordt gebruikt, worden verschillende richtlijnen voor het activeren van nieuwe ideeën gemarkeerd:
Leg de intentie van de lijst uit. Net als bij de demonstratie voor de tekstclassificatie begint u met het vertellen van de API waar de lijst over gaat. Deze aanpak helpt de API zich te concentreren op het voltooien van de lijst in plaats van patronen te bepalen door de tekst te analyseren.
Stel het patroon in voor de items in de lijst. Wanneer u een beschrijving van één zin opgeeft, probeert de API dat patroon te volgen bij het genereren van nieuwe items voor de lijst. Als u een uitgebreider antwoord wilt, moet u die intentie tot stand brengen met gedetailleerdere tekstinvoer voor de API.
Vraag de API met een onvolledige vermelding om nieuwe ideeën te activeren. Wanneer de API tekst tegenkomt die onvolledig lijkt, zoals de prompttekst '2.', wordt eerst geprobeerd om te bepalen welke tekst het item kan voltooien. Omdat de demonstratie een lijsttitel en een voorbeeld met het nummer '1' en de bijbehorende tekst had, interpreteerde de API de onvolledige prompttekst '2'. Als aanvraag om door te gaan met het toevoegen van items aan de lijst.
Geavanceerde generatietechnieken verkennen. U kunt de kwaliteit van de antwoorden verbeteren door een langere lijst met diverser te maken in uw prompt. Een benadering is om met één voorbeeld te beginnen, de API meer voorbeelden te laten genereren en vervolgens de voorbeelden te selecteren die u het beste vindt en deze toe te voegen aan de lijst. Een paar meer variaties van hoge kwaliteit in uw voorbeelden kunnen de kwaliteit van de antwoorden aanzienlijk verbeteren.
Gesprekken voeren
Vanaf de release van GPT-35-Turbo en GPT-4 raden we u aan om gespreksgeneratie en chatbots te maken met behulp van modellen die ondersteuning bieden voor het eindpunt voor chatvoltooiing. Voor de voltooiingsmodellen en het eindpunt van de chat is een andere invoerstructuur vereist dan het voltooiingseindpunt.
De API is goed in het voeren van gesprekken met mensen en zelfs met zichzelf. Met slechts een paar instructies kan de API worden uitgevoerd als een klantenservice-chatbot die op intelligente wijze vragen beantwoordt zonder te worden bespeuren, of een verstandig krakende gesprekspartner die grappen en puns maakt. De sleutel is om de API te vertellen hoe deze zich moet gedragen en vervolgens enkele voorbeelden te geven.
In deze demonstratie levert de API de rol van een AI-antwoord op vragen:
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:
Laten we eens kijken naar een variatie voor een chatbot met de naam 'Cramer', een grappige en enigszins nuttige virtuele assistent. Om de API te helpen het karakter van de rol te begrijpen, geeft u enkele voorbeelden van vragen en antwoorden. Het enige wat nodig is, is slechts een paar sarcastische antwoorden en de API kan het patroon ophalen en een eindeloos aantal vergelijkbare antwoorden bieden.
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:
Richtlijnen voor het ontwerpen van gesprekken
Onze demonstraties laten zien hoe eenvoudig u een chatbot kunt maken die in staat is om een gesprek te voeren. Hoewel het eenvoudig lijkt, volgt deze aanpak verschillende belangrijke richtlijnen:
Definieer de intentie van het gesprek. Net als de andere prompts beschrijft u de intentie van de interactie met de API. In dit geval 'een gesprek'. Met deze invoer wordt de API voorbereid om volgende invoer te verwerken op basis van de oorspronkelijke intentie.
Vertel hoe de API zich gedraagt. Een belangrijk detail in deze demonstratie is de expliciete instructies voor hoe de API moet communiceren: "De assistent is nuttig, creatief, slim en zeer vriendelijk." Zonder uw expliciete instructies kan de API afwijken en de mens nabootsen waarmee deze communiceert. De API kan onvriendelijk worden of ander ongewenst gedrag vertonen.
Geef de API een identiteit. Aan het begin reageert de API als een AI die is gemaakt door OpenAI. Hoewel de API geen intrinsieke identiteit heeft, helpt de beschrijving van het teken de API te reageren op een manier die zo dicht mogelijk bij de waarheid ligt. U kunt beschrijvingen van tekenidentiteiten op andere manieren gebruiken om verschillende soorten chatbots te maken. Als u de API vertelt om te reageren als onderzoekswetenschapper in de biologie, ontvangt u intelligente en doordachte opmerkingen van de API die lijkt op wat u van iemand met die achtergrond zou verwachten.
Tekst transformeren
De API is een taalmodel dat bekend is met verschillende manieren waarop woorden en tekenidentiteiten kunnen worden gebruikt om informatie uit te drukken. De kennisgegevens ondersteunen het transformeren van tekst van natuurlijke taal in code en het vertalen tussen andere talen en Engels. De API kan ook inhoud op een niveau begrijpen waarmee deze inhoud op verschillende manieren kan samenvatten, converteren en uitdrukken. Hier volgen enkele voorbeelden.
Vertalen van de ene taal naar de andere
In deze demonstratie wordt de API geïnstrueerd over het converteren van Engelse taaltermen naar het Frans:
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:
Dit voorbeeld werkt omdat de API al inzicht heeft in de Franse taal. U hoeft de taal niet aan de API te leren. U hoeft alleen maar voldoende voorbeelden te bieden om de API inzicht te geven in uw aanvraag om van de ene taal naar de andere te converteren.
Als u van het Engels wilt vertalen naar een taal die de API niet herkent, moet u de API meer voorbeelden geven en een verfijnd model dat vloeiende vertalingen kan produceren.
Converteren tussen tekst en emoji
Met deze demonstratie wordt de naam van een film geconverteerd van tekst naar emojitekens. In dit voorbeeld ziet u de aanpassingsmogelijkheden van de API om patronen op te halen en met andere tekens te werken.
Carpool Time: 👨👴👩🚗🕒
Robots in Cars: 🚗🤖
Super Femme: 👸🏻👸🏼👸🏽👸🏾👸🏿
Webs of the Spider: 🕸🕷🕸🕸🕷🕸
The Three Bears: 🐻🐼🐻
Mobster Family: 👨👩👧🕵🏻♂️👲💥
Arrows and Swords: 🏹🗡🗡🏹
Snowmobiles:
Tekst samenvatten
De API kan de context van tekst begrijpen en deze op verschillende manieren herformuleren. In deze demonstratie neemt de API een blok tekst en maakt deze een uitleg die begrijpelijk is voor een kind van de primaire leeftijd. In dit voorbeeld ziet u dat de API een grondige kennis van de taal heeft.
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:
"""
Richtlijnen voor het produceren van tekstsamenvattingen
Tekstsamenvatting omvat vaak het leveren van grote hoeveelheden tekst aan de API. Volg deze richtlijnen om te voorkomen dat de API afdrijft nadat deze een groot tekstblok verwerkt:
Plaats de tekst tussen drie dubbele aanhalingstekens om samen te vatten. In dit voorbeeld voert u drie dubbele aanhalingstekens (""") in op een afzonderlijke regel voor en na het tekstblok dat u wilt samenvatten. Deze opmaakstijl definieert duidelijk het begin en einde van het grote tekstblok dat moet worden verwerkt.
Leg de intentie en doelgroep voor en na de samenvatting uit. U ziet dat dit voorbeeld verschilt van de andere, omdat u twee keer instructies voor de API opgeeft: vóór en na de te verwerken tekst. De redundante instructies helpen de API zich te concentreren op uw beoogde taak en drift te voorkomen.
Gedeeltelijke tekst- en code-invoer voltooien
Hoewel alle prompts leiden tot voltooiingen, kan het handig zijn om te denken aan tekstvoltooiing als een eigen taak in exemplaren waar u de API wilt laten ophalen waar u was gebleven.
In deze demonstratie geeft u een tekstprompt op voor de API die onvolledig lijkt te zijn. U stopt het tekstitem op het woord 'and'. De API interpreteert de onvolledige tekst als trigger om uw gedachten te vervolgen.
Vertical farming provides a novel solution for producing food locally, reducing transportation costs and
In deze volgende demonstratie ziet u hoe u de voltooiingsfunctie kunt gebruiken om codeonderdelen te schrijven React
. U begint met het verzenden van code naar de API. U stopt de codevermelding met een haakje (
openen. De API interpreteert de onvolledige code als trigger om de HeaderComponent
constante definitie te voltooien. De API kan deze codedefinitie voltooien omdat deze een goed begrip heeft van de bijbehorende React
bibliotheek.
import React from 'react';
const HeaderComponent = () => (
Richtlijnen voor het genereren van voltooiingen
Hier volgen enkele nuttige richtlijnen voor het gebruik van de API voor het genereren van tekst- en codevoltooiingen:
Verlaag de temperatuur om de API gefocust te houden. Stel lagere waarden in voor de
Temperature
instelling om de API te instrueren om antwoorden te geven die zijn gericht op de intentie die in uw prompt wordt beschreven.Verhoog de temperatuur om de API in staat te stellen tangens te krijgen. Stel hogere waarden in voor de
Temperature
instelling om de API in staat te stellen te reageren op een manier die overeenkomt met de intentie die in uw prompt wordt beschreven.Gebruik de GPT-35-Turbo- en GPT-4 Azure OpenAI-modellen. Voor taken die betrekking hebben op het begrijpen of genereren van code, raadt Microsoft het gebruik van de
GPT-35-Turbo
enGPT-4
Azure OpenAI-modellen aan. Deze modellen gebruiken de nieuwe indeling voor het voltooien van chats.
Feitelijke antwoorden genereren
De API heeft kennis geleerd die is gebaseerd op werkelijke gegevens die tijdens de training zijn beoordeeld. Deze geleerde gegevens worden gebruikt om de antwoorden te vormen. De API heeft echter ook de mogelijkheid om te reageren op een manier die waar klinkt, maar in feite is gemaakt.
Er zijn een aantal manieren waarop u de kans kunt beperken dat de API een antwoord vormt als reactie op uw invoer. U kunt de basis definiëren voor een waar en feitelijk antwoord, zodat de API de reactie op uw gegevens opgeeft. U kunt ook een lage Temperature
waarschijnlijkheidswaarde instellen en de API laten zien hoe u kunt reageren wanneer de gegevens niet beschikbaar zijn voor een feitelijk antwoord.
In de volgende demonstratie ziet u hoe u de API leert antwoorden op een meer feitelijke manier. U geeft de API voorbeelden van vragen en antwoorden die worden begrepen. U geeft ook voorbeelden van vragen ('Q') die mogelijk geen vraagteken herkennen en gebruiken voor de antwoorduitvoer ('A'). Met deze benadering leert u hoe de API reageert op vragen die niet feitelijk kunnen worden beantwoord.
Als beveiliging stelt u de Temperature
waarschijnlijkheid in op nul, zodat de API waarschijnlijker reageert met een vraagteken (?) als er twijfel is over de werkelijke en feitelijke reactie.
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:
Richtlijnen voor het genereren van feitelijke antwoorden
Laten we de richtlijnen bekijken om de kans te beperken dat de API een antwoord vormt:
Geef een grond waarheid op voor de API. Instrueer de API over wat moet worden gebruikt als basis voor het maken van een waar en feitelijk antwoord op basis van uw intentie. Als u de API een hoofdtekst opgeeft die moet worden gebruikt om vragen te beantwoorden (zoals een Wikipedia-vermelding), is de API minder geneigd om een antwoord te fabriceren.
Gebruik een lage kans. Stel een lage
Temperature
waarschijnlijkheidswaarde in, zodat de API zich blijft concentreren op uw intentie en zich niet verplaatst naar het maken van een geconfabuleerd of geconfabuleerd antwoord.Laat de API zien hoe u reageert met 'Ik weet het niet'. U kunt voorbeeldvragen en antwoorden invoeren die de API leren een specifiek antwoord te gebruiken voor vragen waarvoor er geen feitelijk antwoord kan worden gevonden. In het voorbeeld leert u de API te reageren met een vraagteken (?) wanneer de bijbehorende gegevens niet kunnen worden gevonden. Deze aanpak helpt de API ook te leren wanneer er wordt gereageerd met 'Ik weet het niet' is 'juist' dan het maken van een antwoord.
Werken met code
De Codex-modelreeks is een afstammeling van de basis-GPT-3-serie van OpenAI die is getraind op zowel natuurlijke taal als miljarden regels code. Het is het meest geschikt in Python en is bekwaam in meer dan tien talen, waaronder C#, JavaScript, Go, Perl, PHP, Ruby, Swift, TypeScript, SQL en zelfs Shell.
Zie Codex-modellen en Azure OpenAI Service voor meer informatie over het genereren van codevoltooiingen.
Volgende stappen
- Meer informatie over het werken met de GPT-35-Turbo- en GPT-4-modellen.
- Meer informatie over de Azure OpenAI-servicemodellen.