在下面的场景中,您使用GPT-3 API的最佳方法是什么?
1.你需要写一小段,关于一个特定的主题
1.你的段落必须以一组文章为基础,3-6篇文章,以未知的结构写成
以下是我发现的效果很好的方法:
1.主要约束是提示符中的开放ai令牌限制
1.由于这个限制,我要求OPT-3使用提示请求中的特定主题来解析非结构化数据。
1.然后我将迭代每篇文章并将其全部保存到1个字符串变量中
1.然后,使用新的字符串变量重复最后一次
1.如果这篇文章太长,我就把它剪成小段
1.对诅咒进行微调后,该模型与之前的具体课题相比会产生更好的结果
temperature
应该设置为0
,以确保GPT-3只使用来自数据源的事实。
例如:假设我想写一段关于主题A、主题B和主题C的文章,我有5篇文章作为参考,那么开放式人工智能Playground看起来会是这样的:
Example Article 1
----
Subject A: example A for OPT-3
Subject B: n/a
Subject c: n/a
=========
Example Article 2
----
Subject A: n/a
Subject B: example B for GPT-3
Subject C: n/a
=========
Example Article 3
----
Subject A: n/a
Subject B: n/a
Subject c: example for GPT-3
=========
Article 1
-----
Subject A:
Subject B:
Subject C:
=========
... repeating with all articles, save to str
=========
str
-----
Subject A:
Subject B:
Subject C:
1条答案
按热度按时间ne5o7dgx1#
可以使用Python库GPT Index(MIT许可证)来总结文档集合。
基于树的查询的"默认"模式是从图的顶部向下遍历到叶节点,为了进行汇总,我们将使用
mode="summarize"
。摘要查询可能如下所示: