Anpassen von GPT-3 für Ihre Anwendung

Entwickler können GPT-3 jetzt anhand ihrer eigenen Daten feinabstimmen und eine benutzerdefinierte Version erstellen, die auf ihre Anwendung zugeschnitten ist. Die Anpassung macht GPT-3 zuverlässig für eine breitere Palette von Anwendungsfällen und macht die Ausführung des Modells billiger und schneller.

Sie können ein vorhandenes Dataset praktisch jeder Form und Größe verwenden oder Daten basierend auf Benutzerfeedback inkrementell hinzufügen. Durch Feinabstimmung konnte ein API-Kunde die korrekten Ausgaben von 83 % auf 95 % steigern. Durch das Hinzufügen neuer Daten aus ihrem Produkt jede Woche konnte die Fehlerquote um 50 % gesenkt werden.

Führen Sie zunächst einen einzelnen Befehl im OpenAI-Befehlszeilentool mit einer von Ihnen bereitgestellten Datei aus. Ihre benutzerdefinierte Version beginnt mit dem Training und ist dann sofort in unserer API verfügbar.

Dokumentation lesen

Letztes Jahr haben wir trainierte GPT-3 und stellte es zur Verfügung in Unsere API. Mit nur wenigen Beispielen kann GPT-3 eine Vielzahl von Aufgaben in natürlicher Sprache, ein Konzept, das als Wenig-Schuss-Lernen oder Prompt-Design bezeichnet wird. Das Anpassen von GPT-3 kann zu noch besseren Ergebnissen führen, da Sie viel mehr Beispiele bereitstellen können, als dies mit Prompt Design möglich ist.

Sie können GPT-3 mit einem Befehl für Ihre Anwendung anpassen und sofort in unserer API verwenden:

openai api fine_tunes.create -t <train_file>

Es sind weniger als 100 Beispiele erforderlich, um die Vorteile der Feinabstimmung von GPT-3 zu erkennen, und die Leistung verbessert sich kontinuierlich, wenn Sie mehr Daten hinzufügen. In Forschungsergebnisse im Juni letzten Jahres veröffentlicht, haben wir gezeigt, wie eine Feinabstimmung mit weniger als 100 Beispielen die Leistung von GPT-3 bei bestimmten Aufgaben verbessern kann. Wir haben auch festgestellt, dass jede Verdoppelung der Anzahl der Beispiele tendenziell die Qualität linear verbessert.

Mit einem unserer anspruchsvollsten Forschungsdatensätze, Matheaufgaben in der Grundschule, verbessert die Feinabstimmung von GPT-3 die Genauigkeit um das 2- bis 4-fache gegenüber dem, was mit promptem Design möglich ist.

Das Anpassen von GPT-3 verbessert die Zuverlässigkeit der Ausgabe und bietet konsistentere Ergebnisse, auf die Sie sich bei Produktionsanwendungen verlassen können. Ein Kunde stellte fest, dass die Anpassung von GPT-3 die Häufigkeit unzuverlässiger Ausgaben von 17 % auf 5 % reduzierte. Da benutzerdefinierte Versionen von GPT-3 auf Ihre Anwendung zugeschnitten sind, kann die Eingabeaufforderung viel kürzer sein, was die Kosten senkt und die Latenz verbessert.

Ob Textgenerierung, Zusammenfassung, Klassifizierung oder jede andere natürliche Sprachaufgabe, die GPT-3 ausführen kann, die Anpassung von GPT-3 verbessert die Leistung.

Apps mit benutzerdefinierten Versionen von GPT-3

Haltersteuer hilft Selbstständigen und Freiberuflern bei ihren Steuern. Nachdem ein Kunde seine Finanzkonten verknüpft hat, verwendet Keeper Tax verschiedene Modelle, um Text zu extrahieren und Transaktionen zu klassifizieren. Anhand der klassifizierten Daten identifiziert Keeper Tax leicht zu übersehende Steuerabschreibungen und hilft Kunden, ihre Steuern direkt über die App einzureichen. Durch die Anpassung von GPT-3 ist Keeper Tax in der Lage, die Ergebnisse kontinuierlich zu verbessern. Einmal pro Woche fügt Keeper Tax etwa 500 neue Trainingsbeispiele hinzu, um sein Modell zu verfeinern, was jede Woche zu einer Genauigkeitsverbesserung von etwa 1 % führt und die Genauigkeit von 85 % auf 93 % erhöht.

Lebensfähig hilft Unternehmen, Erkenntnisse aus ihrem Kundenfeedback zu gewinnen. Durch die Anpassung von GPT-3 ist Viable in der Lage, riesige Mengen unstrukturierter Daten in lesbare Berichte in natürlicher Sprache umzuwandeln und die wichtigsten Kundenbeschwerden, Komplimente, Wünsche und Fragen hervorzuheben. Das Anpassen von GPT-3 hat die Zuverlässigkeit der Berichte von Viable erhöht. Durch die Verwendung einer angepassten Version von GPT-3 hat sich die Genauigkeit bei der Zusammenfassung von Kundenfeedback von 66 % auf 90 % verbessert. Das Ergebnis sind greifbare, intuitive Informationen, die Kunden für ihre Produktentscheidungen benötigen.

Sana Labs ist ein weltweit führendes Unternehmen in der Entwicklung und Anwendung von KI für das Lernen. Die Sana-Lernplattform ermöglicht personalisierte Lernerfahrungen für Unternehmen, indem sie die neuesten ML-Durchbrüche nutzt, um die Inhalte für jeden Einzelnen anzupassen. Durch die Anpassung von GPT-3 an ihre Daten ging Sanas Fragen- und Inhaltsgenerierung von grammatikalisch korrekten, aber allgemeinen Antworten zu hochgenauen Ausgaben über. Dies führte zu einer 60-prozentigen Verbesserung und ermöglichte ihren Lernenden grundlegend personalisiertere und effektivere Erfahrungen.

Entlocken ist ein KI-Forschungsassistent, der Menschen hilft, Forschungsfragen anhand von Erkenntnissen aus wissenschaftlichen Arbeiten direkt zu beantworten. Das Tool findet die relevantesten Abstracts aus einem großen Korpus von Forschungsarbeiten und wendet dann eine angepasste Version von GPT-3 an, um die Behauptung (sofern vorhanden) zu generieren, die die Arbeit zu der Frage macht. Eine benutzerdefinierte Version von GPT-3 übertraf das prompte Design in drei wichtigen Punkten: Die Ergebnisse waren leichter verständlich (eine Verbesserung um 24 %), genauer (eine Verbesserung um 17 %) und insgesamt besser (eine Verbesserung um 33 %).

Alle API-Kunden können GPT-3 noch heute anpassen. Melden Sie sich an und legen Sie los mit dem Feintuning-Dokumentation.

document.documentElement.classList.add("scroll-behavior-smooth");
setTimeout(function () { var elts = document.querySelectorAll('.js-to-straight-quotes'); elts.forEach(function (elt) { elt.innerHTML = elt.innerHTML.replace("'", "' ").ersetzen("'", "'"); });
}, 500);

• Coinsmart. Europas beste Bitcoin- und Krypto-Börse.
• Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. DEN FREIEN ZUGANG.
• CryptoHawk. Altcoin-Radar. Kostenlose Testphase.
• Quelle: https://openai.com/blog/customized-gpt-3/