赞
踩
OpenAI可以被广泛的应用于各种任务,他为各种模型提供使用简单而功能强大的API。你可以输入一些文本作为提示词,OpenAI则会生成对应的提示词补全,在使用过程中这就是会话形式以及能够记住上下文的体现。探索如何生成提示词的最好方法就是通过我们提供的Playground,你可以通过里面的文本框输入提示,他将会自动为你进行补全,接下来我们看一个为冰激凌店起名字的列子:
如果你也输入与我上面相同的提示词,那么有可能会返回不一样的结果,这是因为API的调用具有非确定性。这就意味着即使你每次都进行相同的输入,也可能得到不通的结果。将temperature设置为0将使相同的输入输出大部分是确定的,但是他仍然可能会保留少量的不确定性。一些简单的输入输出上下文补全,你可以通过提供一些你想做什么或是期望什么输出的示例来告诉OpenAI。补全效果通常取决于你所想要完成任务的复杂度度以及提示词的质量,最佳就是思考如何将你要完成的任务写成一个中学生要解决的应用题。一个精心编写的提示词将会为模型提供足够多的信息,以让OpenAI对应的模型(OpenAI并不是一个模型而是一系列模型,不通的任务由不通的模型进行处理)知道你想要什么以及他应该如何进行补全。通过这篇文章你将会了解一般提示词的最佳实践和示例,如果想要了解使用Codex模型处理代码的更多消息,可以阅读OpenAI提供的代码指南
OpenAI可以做从原创文本生成到复杂文本分析的很多任务,也正是因为他能够做很多的事情所以你需要正确的告诉他你想要的是什么。但是这并不是说只需要简单的告诉他你要什么,最好的做法是给他展示你想要的是什么样。简单来说我们可以通过下面三方向来设计我们的提示词:
要什么、什么样:可以通过描述规则或是例子,又或是规则和列子结合来清楚的告诉他你想要的是什么,就如同前面我们给出的为宠物起名的示例。如果你想让模型按照字母对一组单词进行排序或者说是按照情感对一些列的文本进行分类,你可以通过几个例子给他展示你想要的是什么。
提供准确的数据:如果你想要构建一个分类器或是说想让模型遵循一个固定的模式去完成特定场景下的任务你需要准备大量的例子。虽然模型通常能够检验出常见的语法错误,但是有时候他也会认为你是故意输入的所以会直接返回(这时候就有可能出现胡乱编造答案的情景),所以最好保证自己输入的数据是正确的。
进行合理的配置:通过temperature和top_p可以来控制补全输出的稳定度,在不通的场景中我们可以有不通的用法。如果你想要获取的仅是一个正确的答案,你可以将这两个值设置的更低一些;如果你是想得到更多样性的回答则可以将这两个值设置的更高。人们使用这两个配置的时候存在一个误区就是认为这两个值是控制OpenAI“智能程度”或是“创造力”的。如果你不能很好地通过API获取理想的补全,那么你可以按照下面列表来检查一下:
为了能够更好的使用OpenAI API来创建一个分类服务,在这里我们将提供一个对Tweets的情绪进行分类的示例:
判断一条推文的情绪是积极的、中性的还是消极的。
推特:我喜欢新的蝙蝠侠电影!
情绪:
在这个例子中有几个特征需要注意:
现在我们已经掌握了如何去构建分类器,接下来就让我们通过下面这个例子来看看如何让他变得更加高效——在一次的调用中获取更多的结果。
对这些推文中的情绪进行分类:
1. “我受不了家庭作业”
2. “这很糟糕。我很无聊
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/盐析白兔/article/detail/348348
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。