OpenAI，位于加利福尼亚州旧金山的实验室开发包括大型语言模型在内的人工智能技术， 已宣布能够创建 GPT-3 的自定义版本，一种能够从文本和语音生成人类类型代码的模型。
从此有了它 开发人员可以使用微调来创建 GPT-3 模型 根据您的应用程序和服务的特定内容量身定制，从而为所有任务和工作负载提供更高质量的结果，具体取决于公司。
对于不熟悉 GPT-3 的人来说，应该知道这个 是一种使用深度学习的自回归语言模型 产生类似人类的文本。
这是一个 语言预测模型 位于旧金山的人工智能研究实验室 OpenAI 创建的第三代 GPT-n 系列，由营利性公司 OpenAI LP 及其母公司非营利性公司 OpenAI Inc. 组成。
GPT-3 从任何文本消息（例如句子）返回自然语言的补充文本。
开发者 他们可以通过向您展示几个示例或“提示”来“编程”GPT-3。
“我们将 API 设计为每个人都易于使用且足够灵活，以提高机器学习团队的工作效率，”OpenAI 在 XNUMX 月下旬表示。
此时，超过300个应用程序 在生产力和教育等各个类别和行业中使用 GPT-3 甚至创意和游戏。
La 新的精炼能力 在 GPT-3 设置中允许客户训练 GPT-3 识别工作负载的特定模式 如在特定区域范围内生成内容、分类和合成文本。
可行的提供商使用 GPT-3 来帮助公司利用客户反馈。 使用非结构化数据，系统可以生成总结客户反馈和交互的报告。 通过定制 GPT-3，Viable 能够将其报告的准确度从 66% 提高到 90%。
Keeper Tax 也是如此，这是一种通过自动分类和提取来自银行或支付账户的税务报告的有效载荷数据来简化自雇会计的工具。 Keeper Tax 使用 GPT-3 来解释银行对帐单数据，以发现潜在的免税费用。 该公司每周都会根据其产品的实际性能继续使用新数据改进 GPT-3，重点关注模型低于特定性能阈值的示例。
MGI 开发人员每周添加大约 500 个新样本 来细化模型。 Keeper Tax 表示，调整过程每周都会产生 1% 的改进。
«OpenAI 技术人员 Rachel Lim 说：“我们在开发此 API 时一直非常小心并坚持的一件事是让不一定具有机器学习背景的开发人员可以使用它。” “结果是，您可以使用命令行调用自定义 GPT-3 模板。 [我们希望] 由于它的可访问性，我们可以接触到更多样化的用户群，他们可以将最多样化的问题带入技术中。”
Lim 表示，GPT-3 的改进功能还可以节省成本，因为与标准 GPT-3 模型相比，客户可以期望从精确拟合的模型中获得更高质量的结果的频率更高。（OpenAI 基于 API 访问收费模型生成的标记或单词的数量。）
虽然 OpenAI 对精炼模型有优势，但 Lim 表示，大多数精炼模型需要更短的提示和更少的代币，这也可以节省资金。
GPT-3 API 自 2020 年开始公开可用。 在发布前一年，其设计者已决定不公开上一版本 GPT-2 的开发工作，因为该系统掺杂了机器学习可能会导致落入不怀好意之人之手，后果自负。