プロンプトを使用してモデルから入力候補を取得する
モデルがデプロイされたら、プロンプトの候補がどのようになるかをテストできます。 プロンプトは、デプロイされたモデルの候補エンドポイントに送信される要求のテキスト部分です。 応答は "候補" と呼ばれ、テキスト、コード、またはその他の形式で使用できます。
プロンプトの種類
プロンプトは、タスクに基づいて要求の種類にグループ化できます。
タスクの種類 | プロンプトの例 | 候補の例 |
---|---|---|
内容の分類 | ツイート: 私は旅行を楽しんだ。 センチメント: |
正 |
新しい内容の生成 | 旅行の方法を洗い出す | 1.自転車 2. 自動車 ... |
会話する | フレンドリーな AI アシスタント | 例を参照してください |
変換 (翻訳とシンボルの変換) | 英語: Hello フランス語: |
bonjour |
内容の要約 | 内容の概要について説明します {text} |
内容は機械学習の方法に関するものです。 |
途中で終わった文の継続 | トマトを育てる一つの方法 | は種を植えることです。 |
事実の応答 | 地球にはいくつの月がありますか? | 1 つ |
候補の品質
生成 AI ソリューションから得られる候補の品質には、いくつかの要因が影響します。
- プロンプトのエンジニアリング方法。 プロンプト エンジニアリングについて詳しくは、こちらをご覧ください。
- モデルのパラメーター (次に説明します)
- モデルがトレーニングされるデータ。カスタマイズによるモデルの微調整を通じて適応できます
プロンプトのエンジニアリングとパラメーターの調整より、カスタム モデルのトレーニングの方が、返される候補をいっそう細かく制御できます。
通話を発信する
REST API、Python、C#、または Studio を使って、デプロイされたモデルの呼び出しを始めることができます。 デプロイしたモデルに GPT-3.5 または GPT-4 の基本モデルが含まれている場合は、チャット候補に関するドキュメントを参照してください。このような場合、他の基本モデルとは異なる要求エンドポイントと変数が必要です。