GPT-3 aanpassen voor uw toepassing

Ontwikkelaars kunnen GPT-3 nu op hun eigen gegevens afstemmen en een aangepaste versie maken die is afgestemd op hun toepassing. Aanpassen maakt GPT-3 betrouwbaar voor een grotere verscheidenheid aan gebruikssituaties en maakt het model goedkoper en sneller.

U kunt een bestaande dataset van vrijwel elke vorm en grootte gebruiken, of stapsgewijs gegevens toevoegen op basis van gebruikersfeedback. Met fine-tuning kon één API-klant de juiste output verhogen van 83% naar 95%. Door elke week nieuwe gegevens van hun product toe te voegen, verminderde een ander het foutenpercentage met 50%.

Om te beginnen, voert u gewoon een enkele opdracht uit in de OpenAI-opdrachtregeltool met een door u verstrekt bestand. Uw aangepaste versie begint met trainen en is dan onmiddellijk beschikbaar in onze API.

Lees documentatie

Vorig jaar hebben we getrainde GPT-3 en maakte het beschikbaar in onze API. Met slechts een paar voorbeelden kan GPT-3 een breed scala aan natuurlijke taal taken, een concept dat weinig leren of snel ontwerpen wordt genoemd. Het aanpassen van GPT-3 kan nog betere resultaten opleveren, omdat u veel meer voorbeelden kunt geven dan mogelijk is met een snel ontwerp.

U kunt GPT-3 voor uw toepassing met één commando aanpassen en direct gebruiken in onze API:

openai api fine_tunes.create -t <train_file>

Er zijn minder dan 100 voorbeelden nodig om de voordelen van het verfijnen van GPT-3 te zien en de prestaties blijven verbeteren naarmate u meer gegevens toevoegt. In onderzoek gepubliceerd afgelopen juni, hebben we laten zien hoe fijnafstemming met minder dan 100 voorbeelden de prestaties van de GPT-3 bij bepaalde taken kan verbeteren. We hebben ook ontdekt dat elke verdubbeling van het aantal voorbeelden de kwaliteit lineair verbetert.

Met een van onze meest uitdagende onderzoeksdatasets, Wiskundige problemen op de basisschool, fijnafstemming van GPT-3 verbetert de nauwkeurigheid met 2 tot 4x ten opzichte van wat mogelijk is met een snel ontwerp.

Het aanpassen van GPT-3 verbetert de betrouwbaarheid van de uitvoer en biedt consistentere resultaten waarop u kunt rekenen voor gebruiksscenario's in de productie. Een klant ontdekte dat het aanpassen van GPT-3 de frequentie van onbetrouwbare outputs verminderde van 17% naar 5%. Aangezien aangepaste versies van GPT-3 zijn afgestemd op uw toepassing, kan de prompt veel korter zijn, waardoor de kosten worden verlaagd en de latentie wordt verbeterd.

Of het nu gaat om tekstgeneratie, samenvatting, classificatie of een andere natuurlijke taaltaak die GPT-3 kan uitvoeren, het aanpassen van GPT-3 zal de prestaties verbeteren.

Apps mogelijk gemaakt door aangepaste versies van GPT-3

Keeper-belasting helpt zzp'ers en freelancers met hun belastingen. Nadat een klant zijn financiële rekeningen heeft gekoppeld, gebruikt Keeper Tax verschillende modellen om tekst te extraheren en transacties te classificeren. Met behulp van de geclassificeerde gegevens identificeert Keeper Tax gemakkelijk te missen belastingafschrijvingen en helpt het klanten hun belastingen rechtstreeks vanuit de app in te dienen. Door GPT-3 aan te passen, kan Keeper Tax de resultaten continu verbeteren. Een keer per week voegt Keeper Tax ongeveer 500 nieuwe trainingsvoorbeelden toe om hun model te verfijnen, wat leidt tot een nauwkeurigheidsverbetering van ongeveer 1% per week, waardoor de nauwkeurigheid toeneemt van 85% naar 93%.

Rendabel helpt bedrijven om inzichten te verkrijgen uit de feedback van hun klanten. Door GPT-3 aan te passen, kan Viable enorme hoeveelheden ongestructureerde gegevens omzetten in leesbare, natuurlijke taalrapporten, waarin de belangrijkste klachten, complimenten, verzoeken en vragen van klanten worden benadrukt. Het aanpassen van GPT-3 heeft de betrouwbaarheid van de rapporten van Viable vergroot. Door een aangepaste versie van GPT-3 te gebruiken, is de nauwkeurigheid bij het samenvatten van klantfeedback verbeterd van 66% naar 90%. Het resultaat is tastbare, intuïtieve informatie die klanten nodig hebben om hun productbeslissingen te nemen.

Sana Labs is een wereldleider in de ontwikkeling en toepassing van AI op leren. Het Sana-leerplatform maakt gepersonaliseerde leerervaringen voor bedrijven mogelijk door gebruik te maken van de nieuwste ML-doorbraken om de inhoud voor elk individu af te stemmen. Door GPT-3 aan te passen met hun gegevens, ging het genereren van vragen en inhoud van Sana van grammaticaal correcte maar algemene antwoorden naar zeer nauwkeurige uitvoer. Dit leverde een verbetering van 60% op, waardoor hun leerlingen fundamenteel meer persoonlijke en effectieve ervaringen konden krijgen.

Veroorzaken is een AI-onderzoeksassistent die mensen helpt onderzoeksvragen direct te beantwoorden met behulp van bevindingen uit academische papers. De tool vindt de meest relevante samenvattingen uit een groot aantal onderzoekspapers en past vervolgens een aangepaste versie van GPT-3 toe om de claim (indien aanwezig) te genereren die de paper over de vraag maakt. Een aangepaste versie van GPT-3 presteerde beter dan promptontwerp op drie belangrijke punten: de resultaten waren gemakkelijker te begrijpen (een verbetering van 24%), nauwkeuriger (een verbetering van 17%) en over het algemeen beter (een verbetering van 33%).

Alle API-klanten kunnen GPT-3 vandaag nog aanpassen. Meld u aan en ga aan de slag met de fine-tuning documentatie.

document.documentElement.classList.add(“scroll-gedrag-soepel”);
setTimeout(function () { var elts = document.querySelectorAll('.js-to-straight-quotes'); elts.forEach(function (elt) { elt.innerHTML = elt.innerHTML.replace(“'”, “' ").vervangen("'", "'"); });
}, 500);

• Coinsmart. Europa's beste Bitcoin- en crypto-uitwisseling.
• Platoblockchain. Web3 Metaverse Intelligentie. Kennis versterkt. GRATIS TOEGANG.
• CryptoHawk. Altcoin-radar. Gratis proefversie.
• Bron: https://openai.com/blog/customized-gpt-3/