Помощь в тонкой настройке
На DevDay в ноябре прошлого года мы объявило программа Custom Model, предназначенная для обучения и оптимизации моделей для конкретной области в сотрудничестве со специальной группой исследователей OpenAI. С тех пор мы встретились с десятками клиентов, чтобы оценить потребности их индивидуальных моделей и усовершенствовали нашу программу для дальнейшего максимизации производительности.
Сегодня мы официально объявляем о нашем предложении по тонкой настройке в рамках программы Custom Model. Помощь в тонкой настройке — это совместная работа наших технических специалистов по использованию методов, выходящих за рамки API тонкой настройки, таких как дополнительные гиперпараметры и различные методы эффективной тонкой настройки параметров (PEFT) в более широком масштабе. Это особенно полезно для организаций, которым нужна поддержка в настройке эффективных конвейеров обучающих данных, систем оценки, а также индивидуальных параметров и методов для максимизации производительности модели для их варианта использования или задачи.
Например, SK Telecom, телекоммуникационный оператор, обслуживающий более 30 миллионов абонентов в Южной Корее, хотел адаптировать модель, чтобы стать экспертом в области телекоммуникаций и изначально сосредоточиться на обслуживании клиентов. Они работали с OpenAI над тонкой настройкой GPT-4, чтобы улучшить его производительность в телекоммуникационных разговорах на корейском языке. В течение нескольких недель SKT и OpenAI добились значительного улучшения производительности при выполнении задач по обслуживанию клиентов телекоммуникаций: повышение качества обобщения разговоров на 35 %, точность распознавания намерений на 33 %, а также повышение оценки удовлетворенности с 3.6 до 4.5 (на 5 %). из 4) при сравнении доработанной модели с GPT-XNUMX.
Специально обученная модель
В некоторых случаях организациям необходимо с нуля обучить специально созданную модель, которая понимает их бизнес, отрасль или сферу деятельности. Полностью специально обученные модели привносят новые знания из конкретной области, изменяя ключевые этапы процесса обучения модели с использованием новых методов промежуточного и постобучения. Организации, которые добиваются успеха с помощью полностью индивидуально обученной модели, часто имеют большие объемы собственных данных — миллионы примеров или миллиарды токенов — которые они хотят использовать для обучения модели новым знаниям или сложному, уникальному поведению для весьма специфических случаев использования.
Например, Харви, юридический инструмент на основе искусственного интеллекта для адвокатов, созданный в партнерстве с OpenAI для создать специально обученную большую языковую модель для прецедентного права. Хотя модели-основатели были сильны в рассуждениях, им не хватало обширных знаний истории судебных дел и других знаний, необходимых для юридической работы. После тестирования оперативного проектирования, RAG и тонкой настройки Харви вместе с нашей командой работал над добавлением глубины контекста, необходимой для модели — эквивалента данных на сумму 10 миллиардов токенов. Наша команда изменила каждый этап процесса обучения модели: от промежуточного обучения с учетом специфики предметной области до настройки процессов после обучения и учета отзывов экспертов-юристов. Полученная модель позволила увеличить количество фактических ответов на 83 %, и адвокаты в 97 % случаев предпочли результаты адаптированной модели GPT-4.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Источник: https://openai.com/blog/introducing-improvements-to-the-fine-tuning-api-and-expanding-our-custom-models-program
- :является
- $UP
- 10
- 30
- 35%
- a
- точность
- достигнутый
- Добавить
- дополнительный
- После
- an
- и
- объявляющий
- API
- МЫ
- AS
- оценить
- помощь
- At
- адвокат
- BE
- поведения
- сделанный на заказ
- Beyond
- миллиард
- Миллиард токенов
- миллиарды
- бизнес
- by
- случаев
- случаев
- совместный
- сравнив
- комплекс
- контекст
- Разговор
- Беседы
- "Курс"
- изготовленный на заказ
- клиент
- Служба поддержки игроков
- Клиенты
- настроить
- подгонянный
- данным
- преданный
- глубина
- предназначенный
- домен
- множество
- эффективный
- усилие
- Проект и
- Эквивалент
- оценка
- Каждая
- эволюционировали
- пример
- Примеры
- расширяющийся
- эксперту
- обширный
- Обратная связь
- Фокус
- Что касается
- Формально
- Год основания
- от
- полностью
- далее
- группы
- Есть
- полезный
- очень
- история
- HTML
- HTTPS
- улучшать
- улучшение
- улучшение
- in
- включения
- Увеличение
- промышленность
- начальный
- намерение
- введение
- ЕГО
- Основные
- знания
- Корея
- Корейский
- язык
- большой
- больше
- Фамилия
- Юр. Информация
- Кредитное плечо
- Максимизировать
- значимым
- встретивший
- методы
- миллиона
- модель
- Модели
- модифицировало
- с разными
- Необходимость
- необходимый
- потребности
- Новые
- роман
- Ноябрь
- of
- предлагающий
- .
- on
- OpenAI
- оператор
- Оптимизировать
- or
- организации
- Другое
- наши
- внешний
- выходы
- за
- параметр
- параметры
- часть
- особенно
- партнерство
- Партнерство
- производительность
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- привилегированный
- процесс
- Процессы
- FitPartner™
- ( изучите наши патенты),
- тряпка
- признание
- обязательный
- исследователи
- ответы
- в результате
- удовлетворение
- Шкала
- множество
- поцарапать
- посмотреть
- обслуживание
- выступающей
- установка
- с
- SKT
- некоторые
- Южная
- Южная Корея
- конкретный
- Шаг
- Шаги
- сильный
- Абоненты
- успех
- такие
- поддержка
- системы
- Сложность задачи
- команда
- команды
- Технический
- снижения вреда
- телеком
- связь
- Тестирование
- который
- Ассоциация
- их
- тогда
- они
- время
- в
- Лексемы
- инструментом
- Train
- Обучение
- понимает
- созданного
- использование
- прецедент
- через
- различный
- Ve
- хотеть
- стремятся
- we
- Недели
- были
- когда
- в то время как
- Работа
- работавший
- стоимость
- зефирнет