首页站长资讯重磅!GPT-3.5 Turbo推出微调功能,可以打造专属ChatGPT啦!
8974

重磅!GPT-3.5 Turbo推出微调功能,可以打造专属ChatGPT啦!

站长网2023-08-23 18:08:440

8月23日凌晨,OpenAI在官网宣布,推出GPT-3.5Turbo微调功能并更新API,使企业、开发人员可以使用自己的数据,结合业务用例构建专属ChatGPT。GPT-4的微调功能将于今年秋天推出。

OpenAI表示,从早期测试数据来看,GPT-3.5Turbo 的微调版本在某些特定任务上,其性能可以匹配甚至超越GPT-4的基本功能。(详细说明文档:https://platform.openai.com/docs/guides/fine-tuning)

微调功能是目前企业应用大语言模型的主要方法,例如,法律领域的Spellbook、律商联讯、Litera、Casetext等,他们通过自己积累的海量法律数据在GPT-4模型上进行微调、预训练构建法律领域的专属ChatGPT,使其回答的内容更加聚焦、安全、准确。

自GPT-3.5Turbo发布以来,开发人员和企业希望能够开发自定义大模型,为用户创造独特、差异化的产品体验。现在,OpenAI终于开放了此功能,使得人人都能打造独一无二的专属ChatGPT。

什么是微调

大语言模型的微调(Fine-tuning)是一种在预训练模型的基础上,对特定任务进行深度训练的方法。

微调的基本思想是,先在大规模文本数据上预训练一个大型的语言模型,例如,GPT-3.5,然后,使用特定任务的数据集(如法律、医疗),进一步对模型进行训练,以适应特定的任务。在这个过程中,模型的参数会进行微小的调整,使其在特定业务场景上的性能更好。

例如,如果我们有一个预训练的GPT3.5模型,想让它在法律业务上的表现更好、更专业,可以用海量法律数据集对模型进行微调。

经过微调,模型学习到如何更好地解读、生成和预测法律问题。

微调用例

根据OpenAI的官方微调说明文档,列出了以下常见用例:

设置风格、基调、格式等;

提高输出的可靠性;

纠正未能遵循复杂提示的问题;

以特定方式处理多个边缘内容;

改进可操纵性;

执行难以在提示中阐明的新技能或任务。

例如,改进可操纵性,微调功能允许企业使模型更好地遵循指令,使输出简洁或始终以特定语言进行响应。例如,开发人员可以使用微调来确保模型,在提示使用德语时始终以德语进行响应

除了提高性能之外,微调使企业能够缩短提示时间同时保证性能。GPT-3.5-Turbo微调还可以处理4ktokens,是OpenAI之前微调模型的两倍。

早期测试人员通过对模型本身的指令进行微调,将提示大小减少了高达90%,从而加快了每个API调用的速度并降低了成本。

如何进行微调

1,准备数据,创建一组多样化的演示对话,类似于要求模型在实际输出中的对话。数据集中的每个示例都应该与OpenAI的聊天完成 API 格式相同的对话,特别是消息列表,其中每条消息都有角色、内容和可选名称。

2,上传文件

3,创建微调作业,使用 OpenAI SDK开始进行大规模数据训练、微调。训练模型可能需要几分钟或几小时,具体取决于模型和数据集大小。模型训练完成后,创建微调作业的用户将收到一封确认电子邮件。

除了创建微调作业外,开发者还可以列出现有作业、检索作业状态或取消作业。

4,使用微调模型,微调作业完成后模型可以投入使用了。

在某些情况下,用户的微调模型可能需要几分钟才能准备好处理请求。如果对模型的请求超时或找不到模型名称,可能是因为模型仍在加载中,可在几分钟后重试。

微调定价

微调分为初始训练成本和使用成本两大部分。

训练:0.008美元/1K tokens。

使用输入:0.012美元/1K tokens。

使用输出:0.016美元/1K tokens。

例如,一个GPT-3.5Turbo包含100,000个okens的训练文件并训练3个epoch的微调作业的预期成本为2.40美元。

0000
评论列表
共(0)条