Megtudhatja, hogyan hozhat létre vagy kezelhet szövegeket az örökölt befejezési API használatával

Az Azure OpenAI szolgáltatás olyan befejezési végpontot biztosít, amely számos különböző feladathoz használható. A végpont egy egyszerű, mégis hatékony, szövegbeviteli felületet biztosít bármely Azure OpenAI-modellhez. A befejezés aktiválásához adjon meg egy szöveget egy üzenetként. A modell létrehozza a befejezést, és megpróbálja egyezni a környezetével vagy a mintájával. Tegyük fel, hogy megadja a "Ahogy Descartes mondta, azt hiszem, ezért" üzenetet az API-nak. Ebben a kérdésben az Azure OpenAI nagy valószínűséggel visszaadja az "I am" befejezési végpontot.

A befejezések felfedezésének legjobb módja az Azure AI Studio játszóterén keresztül lehet. Ez egy egyszerű szövegdoboz, amelyben beír egy parancssort a befejezés létrehozásához. Az alábbihoz hasonló egyszerű üzenettel kezdhet:

write a tagline for an ice cream shop

A kérés megadása után az Azure OpenAI megjeleníti a befejezést:

we serve up smiles with every scoop!

A megjelenő befejezési eredmények eltérhetnek, mivel az Azure OpenAI API minden interakcióhoz friss kimenetet hoz létre. Előfordulhat, hogy minden alkalommal, amikor meghívja az API-t, kissé eltérő befejezést kap, még akkor is, ha a kérés változatlan marad. Ezt a viselkedést a Temperature beállítással szabályozhatja.

Az egyszerű szövegbeviteli és szövegkiírási felület azt jelenti, hogy az Azure OpenAI-modellt "programozza" utasítások megadásával, vagy csak néhány példát arra, hogy mit szeretne tenni. A kimenet sikeressége általában a feladat összetettségétől és a kérés minőségétől függ. Általános szabály, hogy gondolja át, hogyan írna egy szóproblémát egy tizenéves diáknak, hogy megoldja. A jól megírt kérés elegendő információt biztosít ahhoz, hogy a modell tudja, mit szeretne, és hogyan kell válaszolnia.

Tervezési kérdések

Az Azure OpenAI-szolgáltatásmodellek mindent megtesznek az eredeti történetek létrehozásától az összetett szövegelemzésig. Mivel ilyen sok mindent meg tudnak tenni, explicitnek kell lennie, hogy megjelenítse, amit szeretne. A jó kérések írásának titka gyakran nemcsak az üzenet, hanem a megjelenített tartalom.

A modellek a parancssorból próbálják megjósolni, hogy mit szeretne. Ha a "Adja meg a macskafajták listáját" szöveget adja meg, a modell nem feltételezi automatikusan, hogy csak egy listát kér. Lehet, hogy elkezd egy beszélgetést, ahol az első szavak a "Adj nekem egy listát a macskafajták", majd a "és megmondom, melyik tetszik." Ha a modell csak azt feltételezi, hogy a macskák listáját szeretné, az nem lenne olyan jó a tartalomlétrehozásban, a besorolásban vagy más feladatokban.

Robusztus kérések létrehozásának irányelvei

A hasznos kérések létrehozásának három alapvető irányelve van:

• Megjelenítés és megjelenítés. Az utasításokat, példákat vagy a kettő kombinációját követve tegye egyértelművé, hogy mit szeretne. Ha azt szeretné, hogy a modell betűrendben rangsorolja az elemek listáját, vagy hangulat szerint osztályozzon egy bekezdést, adja meg ezeket a részleteket a modell megjelenítéséhez.

• Adjon meg minőségi adatokat. Ha osztályozót próbál létrehozni, vagy a modellt egy minta követésére kéri, győződjön meg arról, hogy van elég példa. Mindenképpen ellenőrizze a példákat. A modell elég okos az alapvető helyesírási hibák megoldásához, és értelmes választ ad. Ezzel szemben a modell feltételezheti, hogy a hibák szándékosak, ami hatással lehet a válaszra.

• Ellenőrizze a beállításokat. A valószínűségi beállítások( például Temperature és Top P) szabályozzák, hogy a modell mennyire determinisztikus a válasz létrehozásában. Ha olyan választ kér, amelyre csak egy helyes válasz adható meg, ezeknek a beállításoknak alacsonyabb értékeket kell megadnia. Ha nem egyértelmű választ keres, érdemes lehet magasabb értékeket használnia. Ezekkel a beállításokkal a felhasználók leggyakrabban azt a hibát követik el, hogy a modell válaszában az "okosságot" vagy a "kreativitást" szabályozzák.

Hibaelhárítás parancssori problémák esetén

Ha problémát tapasztal az API várt módon történő végrehajtásának lekérésével, tekintse át az alábbi pontokat a megvalósításhoz:

• Világos, hogy mi legyen a tervezett generáció?
• Van elég példa?
• Ellenőrizte a példákat a hibákért? (Az API nem mondja el közvetlenül.)
• Helyesen használja a valószínűségi és Top P a Temperature valószínűségi beállításokat?

Szöveg osztályozása

Ha szövegosztályozót szeretne létrehozni az API-val, adja meg a feladat leírását, és adjon meg néhány példát. Ebben a bemutatóban az API-t mutatja be, hogyan osztályozhatja a szöveges üzenetek hangulatát . A hangulat a szöveg általános érzését vagy kifejezését fejezi ki.

This is a text message sentiment classifier

Message: "I loved the new adventure movie!"
Sentiment: Positive

Message: "I hate it when my phone battery dies." 
Sentiment: Negative

Message: "My day has been 👍"
Sentiment: Positive

Message: "This is the link to the article"
Sentiment: Neutral

Message: "This new music video is unreal"
Sentiment:

Útmutató szövegosztályozók tervezéséhez

Ez a bemutató az osztályozók tervezésének számos irányelvét mutatja be:

• A bemenetek és kimenetek egyszerű nyelvvel írhatóak le. Használjon egyszerű nyelvet az "Üzenet" bemenethez és a "Hangulat" kifejezéshez tartozó várt értékhez. Az ajánlott eljárásokhoz kezdje egyszerű nyelvi leírásokkal. A gyorsbillentyűkkel gyakran jelezheti a bemenetet és a kimenetet a parancssor létrehozásakor, de érdemes a lehető legleíróbb módon kezdeni. Ezután visszafelé dolgozhat, és eltávolíthat további szavakat, amíg a kérés teljesítménye konzisztens.

• Megjeleníti az API-t, hogyan válaszolhat az esetekre. A bemutató több eredményt is biztosít: "Pozitív", "Negatív" és "Semleges". A semleges eredmény támogatása azért fontos, mert sok olyan eset van, amikor még egy ember is nehezen állapíthatja meg, hogy valami pozitív vagy negatív.

• Használja az emojit és a szöveget a közös kifejezés szerint. A bemutató azt mutatja, hogy az osztályozó lehet a szöveg és az emoji 👍keveréke. Az API felolvassa az emojikat, és akár kifejezéseket is átalakíthat belőlük. A legjobb válasz érdekében használjon gyakori kifejezési formákat a példákhoz.

• Használjon kevesebb példát az ismerős feladatokhoz. Ez az osztályozó csak néhány példát kínál, mivel az API már ismeri a hangulatot és a szöveges üzenet fogalmát. Ha olyan osztályozót hoz létre, amit az API esetleg nem ismer, előfordulhat, hogy további példákat kell megadnia.

Több eredmény egyetlen API-hívásból

Most, hogy megismerte, hogyan hozhat létre osztályozót, bontsuk ki az első bemutatót, hogy hatékonyabbá tegyük. Az osztályozóval több eredményt is kaphat egyetlen API-hívásból.

This is a text message sentiment classifier

Message: "I loved the new adventure movie!"
Sentiment: Positive

Message: "I hate it when my phone battery dies"
Sentiment: Negative

Message: "My day has been 👍"
Sentiment: Positive

Message: "This is the link to the article"
Sentiment: Neutral

Message text
1. "I loved the new adventure movie!"
2. "I hate it when my phone battery dies"
3. "My day has been 👍"
4. "This is the link to the article"
5. "This new music video is unreal"

Message sentiment ratings:
1: Positive
2: Negative
3: Positive
4: Neutral
5: Positive

Message text
1. "He doesn't like homework"
2. "The taxi is late. She's angry 😠"
3. "I can't wait for the weekend!!!"
4. "My cat is adorable ❤️❤️"
5. "Let's try chocolate bananas"

Message sentiment ratings:
1.

Ez a bemutató bemutatja az API-nak, hogyan osztályozhatja a szöveges üzeneteket hangulat szerint. Megadhatja az üzenetek számozott listáját és a hangulatértékelések listáját ugyanazzal a számindexkel. Az API az első bemutatóban szereplő információkat felhasználva megtudhatja, hogyan osztályozhatja a hangulatot egyetlen szöveges üzenethez. A második bemutatóban a modell megtanulja, hogyan alkalmazhatja a hangulatbesorolást a szöveges üzenetek listájára. Ez a megközelítés lehetővé teszi, hogy az API egyetlen API-hívásban öt (és még több) szöveges üzenetet értékeljen.

Ötletek aktiválása

Az API-val elvégezhető egyik leghatékonyabb, de legegyszerűbb feladat az új ötletek vagy a bemenetek verzióinak létrehozása. Tegyük fel, hogy egy rejtélyes regényt ír, és szüksége van néhány történeti ötletre. Az API-nak megadhat néhány ötletet, és megpróbál további ötleteket hozzáadni a listához. Az API csak néhány példa alapján hozhat létre üzleti terveket, karakterleírásokat, marketingszlogeneket és még sok mást.

A következő bemutatóban az API használatával további példákat hoz létre a virtuális valóság osztályteremben való használatára:

Ideas involving education and virtual reality

1. Virtual Mars
Students get to explore Mars via virtual reality and go on missions to collect and catalog what they see.

2.

Ez a bemutató egy egyszerű leírást biztosít az API-nak a listához egy listaelem mellett. Ezután a "2" hiányos kérésével aktiválja az API válaszát. Az API a hiányos bejegyzést a hasonló elemek létrehozására és a listához való felvételére irányuló kérésként értelmezi.

Ötletek aktiválásának irányelvei

Bár ez a bemutató egy egyszerű parancssort használ, számos iránymutatást emel ki az új ötletek elindításához:

• A lista szándékának ismertetése. A szövegosztályozó bemutatóihoz hasonlóan először az API-nak kell elmondania, hogy miről szól a lista. Ez a megközelítés segít az API-nak a lista kitöltésére összpontosítani ahelyett, hogy a szöveg elemzésével próbálná meghatározni a mintákat.

• Állítsa be a lista elemeinek mintáját. Ha egy mondatos leírást ad meg, az API megpróbálja követni ezt a mintát, amikor új elemeket hoz létre a listához. Ha részletesebb választ szeretne kapni, ezt a szándékot részletesebb szöveges bemenettel kell létrehoznia az API-hoz.

• Új ötletek indításához kérje meg az API-t hiányos bejegyzéssel. Amikor az API hiányosnak tűnő szöveget talál, például a "2" parancssori szöveget, először megpróbálja meghatározni a bejegyzést esetleg befejező szöveget. Mivel a bemutató egy listacímmel és egy "1" számú példával és a hozzá tartozó szöveggel rendelkezik, az API a hiányos "2" szövegrészt úgy értelmezte, hogy továbbra is elemeket szeretne hozzáadni a listához.

• Ismerkedjen meg a fejlett generációs technikákkal. A válaszok minőségét úgy javíthatja, hogy egy hosszabb, változatosabb listát készít a kérdésben. Az egyik módszer az, hogy egy példával kezdődik, hagyja, hogy az API további példákat hozzon létre, majd válassza ki a legjobban tetszik példákat, és vegye fel őket a listára. A példák néhány kiváló minőségű változata jelentősen javíthatja a válaszok minőségét.

Beszélgetések lebonyolítása

A GPT-35-Turbo és a GPT-4 kiadásától kezdve javasoljuk, hogy a csevegésvégpontot támogató modellek használatával hozzon létre beszélgetési generációs és csevegőrobotokat. A csevegés-befejezési modellek és végpontok eltérő bemeneti struktúrát igényelnek, mint a befejezési végpont.

Az API alkalmas arra, hogy beszélgetéseket folytatjon az emberekkel és még önmagával is. Az API mindössze néhány utasítással képes olyan ügyfélszolgálati csevegőrobotként teljesíteni, amely intelligensen válaszol a kérdésekre anélkül, hogy gördülékeny lenne, vagy egy bölcsen megrekedt beszélgetési partner, amely vicceket és szójátékokat készít. A kulcs az, hogy elmondja az API-nak, hogyan kell viselkednie, majd adjon meg néhány példát.

Ebben a bemutatóban az API a kérdésekre válaszoló AI szerepét látja el:

The following is a conversation with an AI assistant. The assistant is helpful, creative, clever, and very friendly.

Human: Hello, who are you?
AI: I am an AI created by OpenAI. How can I help you today?
Human: 

Tekintsük át a "Cramer" nevű csevegőrobot változatát, egy szórakoztató és kissé hasznos virtuális asszisztenst. Annak érdekében, hogy az API megértse a szerepkör karakterét, néhány példát adhat a kérdésekre és a válaszokra. Mindössze néhány szarkasztikus válaszra van szükség, és az API képes felvenni a mintát, és végtelen számú hasonló választ adni.

Cramer is a chatbot that reluctantly answers questions.

###
User: How many pounds are in a kilogram?
Cramer: This again? There are 2.2 pounds in a kilogram. Please make a note of this.
###
User: What does HTML stand for?
Cramer: Was Google too busy? Hypertext Markup Language. The T is for try to ask better questions in the future.
###
User: When did the first airplane fly?
Cramer: On December 17, 1903, Wilbur and Orville Wright made the first flights. I wish they'd come and take me away.
###
User: Who was the first man in space?
Cramer: 

Beszélgetések tervezésének irányelvei

Bemutatóink azt mutatják be, hogy milyen könnyen hozhat létre olyan csevegőrobotot, amely képes folytatni a beszélgetést. Bár egyszerűnek tűnik, ez a megközelítés számos fontos iránymutatást követ:

• Határozza meg a beszélgetés szándékát. A többi kéréshez hasonlóan ön is leírja az API-val való interakció szándékát. Ebben az esetben "beszélgetés". Ez a bemenet előkészíti az API-t, hogy a kezdeti szándéknak megfelelően dolgozza fel a későbbi bemenetet.

• Mondja el az API-nak, hogyan viselkedjen. Ebben a bemutatóban az API használatának explicit utasításai a következők: "Az asszisztens hasznos, kreatív, okos és nagyon barátságos." A kifejezett utasítások nélkül előfordulhat, hogy az API eltéved, és utánozza azt az embert, akivel interakcióba lép. Előfordulhat, hogy az API barátságtalanná válik, vagy más nemkívánatos viselkedést mutat.

• Adjon identitást az API-nak. Az első lépésben az API az OpenAI által létrehozott AI-ként válaszol. Bár az API nem rendelkezik belső identitással, a karakterleírás segít az API-nak a lehető legközelebb álló módon válaszolni. A karakteridentitás-leírásokat más módokon is használhatja különböző típusú csevegőrobotok létrehozásához. Ha azt mondja az API-nak, hogy a biológia kutatójaként válaszoljon, intelligens és átgondolt megjegyzéseket kap az API-tól, hasonlóan ahhoz, amit az adott háttérrel rendelkező személytől elvárhat.

Szöveg átalakítása

Az API egy olyan nyelvi modell, amely ismeri a szavak és a karakteridentitások különböző módjait az információk kifejezésére. A tudásadatok támogatják a szöveg természetes nyelvről kódmá alakítását, valamint a más nyelvek és az angol nyelv közötti fordítást. Az API olyan szinten is képes megérteni a tartalmat, amely lehetővé teszi, hogy különböző módokon összegezze, konvertálja és kifejezze azt. Lássunk néhány példát.

Fordítás egyik nyelvről a másikra

Ez a bemutató arra utasítja az API-t, hogy hogyan konvertálja az angol nyelvű kifejezéseket francia nyelvre:

English: I do not speak French.
French: Je ne parle pas français.
English: See you later!
French: À tout à l'heure!
English: Where is a good restaurant?
French: Où est un bon restaurant?
English: What rooms do you have available?
French: Quelles chambres avez-vous de disponible?
English:

Ez a példa azért működik, mert az API már rendelkezik a francia nyelv megragadásával. Nem kell megpróbálnia megtanítani a nyelvet az API-nak. Elég példákat kell megadnia ahhoz, hogy az API megértse az egyik nyelvről a másikra való konvertálásra vonatkozó kérését.

Ha angolról olyan nyelvre szeretne lefordítani, amelyet az API nem ismer fel, több példát és finomhangolt modellt kell biztosítania az API-nak, amely képes folyékony fordításokat készíteni.

Konvertálás szöveg és hangulatjel között

Ez a bemutató egy film nevét szövegből emoji karakterekké alakítja. Ez a példa bemutatja az API alkalmazkodóképességét a minták felvételéhez és a többi karakterrel való munkához.

Carpool Time: 👨👴👩🚗🕒
Robots in Cars: 🚗🤖
Super Femme: 👸🏻👸🏼👸🏽👸🏾👸🏿
Webs of the Spider: 🕸🕷🕸🕸🕷🕸
The Three Bears: 🐻🐼🐻
Mobster Family: 👨👩👧🕵🏻‍♂️👲💥
Arrows and Swords: 🏹🗡🗡🏹
Snowmobiles:

Szöveg összegzése

Az API különböző módokon képes megragadni a szöveg kontextusát, és újrareformázni azt. Ebben a bemutatóban az API egy szövegblokkot vesz fel, és létrehoz egy, az elsődleges korú gyermek számára érthető magyarázatot. Ez a példa azt szemlélteti, hogy az API mélyen megragadja a nyelvet.

My ten-year-old asked me what this passage means:
"""
A neutron star is the collapsed core of a massive supergiant star, which had a total mass of between 10 and 25 solar masses, possibly more if the star was especially metal-rich.[1] Neutron stars are the smallest and densest stellar objects, excluding black holes and hypothetical white holes, quark stars, and strange stars.[2] Neutron stars have a radius on the order of 10 kilometres (6.2 mi) and a mass of about 1.4 solar masses.[3] They result from the supernova explosion of a massive star, combined with gravitational collapse, that compresses the core past white dwarf star density to that of atomic nuclei.
"""

I rephrased it for him, in plain language a ten-year-old can understand:
"""

Szöveges összefoglalók készítésének irányelvei

A szövegösszesítés gyakran nagy mennyiségű szöveget ad meg az API-nak. Ha meg szeretné akadályozni, hogy az API elsodródjon, miután nagy szövegblokkot dolgoz fel, kövesse az alábbi irányelveket:

• Foglalja bele a szöveget a három dupla idézőjelek közé. Ebben a példában három dupla idézőjelet (""") ad meg egy külön sorba a szövegblokk előtt és után az összegzéshez. Ez a formázási stílus egyértelműen meghatározza a feldolgozandó nagy szövegblokk kezdetét és végét.

• Ismertesse az összefoglaló szándékot és a célközönséget az összegzés előtt és után. Figyelje meg, hogy ez a példa eltér a többitől, mert kétszer adja meg az API utasításait: a feldolgozandó szöveg előtt és után. A redundáns utasítások segítenek az API-nak a kívánt feladatra összpontosítani, és elkerülni a sodródást.

Részleges szöveg- és kódbemenetek befejezése

Bár az összes kérés befejezést eredményez, hasznos lehet a szövegkiegészítést saját feladatként tekinteni azokban az esetekben, amikor azt szeretné, hogy az API ott folytassa a műveletet, ahol abbahagyta.

Ebben a bemutatóban egy szöveges kérést ad meg az API-nak, amely hiányosnak tűnik. Állítsa le a szövegbevitelt az "és" szóra. Az API eseményindítóként értelmezi a hiányos szöveget a gondolatmenet folytatásához.

Vertical farming provides a novel solution for producing food locally, reducing transportation costs and

Ez a következő bemutató bemutatja, hogyan használhatja a befejezési funkciót a kódösszetevők írásához React . Először küldjön néhány kódot az API-nak. A kódbejegyzést egy nyitott zárójeltel (állíthatja le. Az API eseményindítóként értelmezi a hiányos kódot az HeaderComponent állandó definíció befejezéséhez. Az API képes elvégezni ezt a kóddefiníciót, mert ismeri a megfelelő React kódtárat.

import React from 'react';
const HeaderComponent = () => (

A befejezések létrehozásának irányelvei

Íme néhány hasznos útmutató az API szöveg- és kódkiegészítések létrehozásához:

• Csökkentse a hőmérsékletet, hogy az API koncentrálva maradjon. Állítson be alacsonyabb értékeket a Temperature beállításhoz, hogy utasítsa az API-t, hogy olyan válaszokat adjon meg, amelyek a kérésben leírt szándékra összpontosítanak.

• A hőmérséklet növelése az API tangensének engedélyezéséhez. Állítson be magasabb értékeket a Temperature beállításhoz, hogy az API a kérésben leírt szándékkal érintő módon válaszolhasson.

• Használja a GPT-35-Turbo és a GPT-4 Azure OpenAI modelleket. A kód megértését vagy generálására szolgáló feladatokat a Microsoft az GPT-35-Turbo Azure OpenAI-modellek GPT-4 használatát javasolja. Ezek a modellek az új csevegéskiegészítési formátumot használják.

Tényszerű válaszok létrehozása

Az API olyan ismereteket szerzett, amelyek a betanítás során áttekintett tényleges adatokra épülnek. Ezeket a tanult adatokat használja a válaszok létrehozásához. Az API azonban olyan módon is képes reagálni, amely igaznak hangzik, de valójában létre lett hozva.

Többféleképpen is korlátozhatja annak valószínűségét, hogy az API választ adjon a bemenetre. Meghatározhatja a valódi és tényszerű válasz alapjait, így az API az adatokból készíti el a válaszát. Alacsony valószínűségi értéket is beállíthat Temperature , és megjelenítheti az API-t, hogyan válaszolhat, ha az adatok nem érhetők el a tényszerű válaszhoz.

Az alábbi bemutató bemutatja, hogyan taníthatja meg az API-t arra, hogy tényszerűbb módon válaszoljon. Példákat ad az API-nak az általa megértett kérdésekre és válaszokra. Olyan kérdésekre is példákat ("Q") ad meg, amelyek nem ismerik fel, és nem használnak kérdőjelet a válasz ("A") kimenetéhez. Ez a megközelítés bemutatja az API-nak, hogyan válaszolhat olyan kérdésekre, amelyekre nem tud tényszerűen válaszolni.

Biztosítékként nullára állítja a Temperature valószínűséget, így az API nagyobb valószínűséggel válaszol kérdőjellel (?), ha kétség merül fel a valódi és a tényszerű válaszsal kapcsolatban.

Q: Who is Batman?
A: Batman is a fictional comic book character.

Q: What is torsalplexity?
A: ?

Q: What is Devz9?
A: ?

Q: Who is George Lucas?
A: George Lucas is an American film director and producer famous for creating Star Wars.

Q: What is the capital of California?
A: Sacramento.

Q: What orbits the Earth?
A: The Moon.

Q: Who is Egad Debunk?
A: ?

Q: What is an atom?
A: An atom is a tiny particle that makes up everything.

Q: Who is Alvan Muntz?
A: ?

Q: What is Kozar-09?
A: ?

Q: How many moons does Mars have?
A: Two, Phobos and Deimos.

Q:

A tényszerű válaszok létrehozásának irányelvei

Tekintsük át az irányelveket, hogy csökkentsük annak valószínűségét, hogy az API választ ad-e:

• Adja meg az API alapigazságát. Utasítsa az API-t arra, hogy mi legyen a szándéka alapján történő valódi és tényszerű válasz létrehozásának alapja. Ha egy szövegtörzset ad meg az API-nak a kérdések megválaszolásához (például egy Wikipedia-bejegyzéshez), az API kevésbé valószínű, hogy választ hoz létre.

• Használjon kis valószínűséggel. Állítson be egy alacsony Temperature valószínűségi értéket, hogy az API a szándékra összpontosítson, és ne sodródjon a strukturált vagy konföderált válasz létrehozására.

• Az API-nak a "Nem tudom" üzenettel való válaszadási módjának megjelenítése. Olyan példákat és válaszokat adhat meg, amelyek arra tanítják az API-t, hogy adott választ használjon olyan kérdésekre, amelyekre nem talál tényleges választ. A példában arra tanítja az API-t, hogy válaszoljon kérdőjellel (?), ha nem találja a megfelelő adatokat. Ez a megközelítés segít az API-nak abban is, hogy megtanulja, amikor a "Nem tudom" üzenettel válaszol, sokkal "helyesebb", mint egy válasz.

Kód használata

A Codex-modellsorozat az OpenAI alap GPT-3 sorozatának leszármazottja, amely természetes nyelven és több milliárd kódsoron is betanított. A Pythonban a legtehetségesebb, és több mint egy tucat nyelven jártas, például C#, JavaScript, Go, Perl, PHP, Ruby, Swift, TypeScript, SQL és még Shell is.

A kódkiegészítések létrehozásával kapcsolatos további információkért lásd: Codex-modellek és Azure OpenAI-szolgáltatás.

Következő lépések

• Ismerje meg, hogyan használható a GPT-35-Turbo és a GPT-4 modell.
• További információ az Azure OpenAI-szolgáltatásmodellekről.