ChatGPT 嵌入开发
为了提高问答「准确率」，有两个优化方向
1、增加训练集数据
2、增加提问上下文语料，答案就在其中
OpenAI 是不允许用户来训练数据的，他的 model 是固定且通用的。所以增加训练集数据并不可行。
使用chatgpt 嵌入，让chatgpt根据语料内容回答。
实际应用，产品客服、产品介绍、某专业技能问答。
我们只能使用方法
2 ：提供提问上下文（context)。
在 openai 提供的能力中，可以在 prompt 中增加上下文语料，来提高 回复 准确率。
但是我们如何从自己的语料库（由语料片段组成）中，找到和提问相关（答案需要在上下文语料中）的 context 呢？
openai 提供了 Embedding 的接口，可以用 input （输入一段文字）来计算一坨 embedding 向量值。
我们可以通过将（语料片段的向量）与（问题的向量）取（最相似的向量），来判断问题和语料片段的相似（similarity）度，
这样我们在 prompt 里，把最相似的语料片段作为 context 放进 prompt ，就可以得到最正确的 completion。
1、管理语料
2、语料生成向量
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！