推出微调API的改进并扩展我们的定制模型计划
内容提要
OpenAI推出了新功能，为开发者提供更多对API进行微调的控制权，并介绍了与他们的AI专家和研究人员合作构建定制模型的更多方式。新功能包括基于epoch的检查点创建、模型评估的比较性游乐场、第三方集成、全面的验证指标、超参数配置和微调仪表板改进。OpenAI还扩展了他们的定制模型计划，提供辅助微调和定制训练模型。文章重点介绍了从这些计划中受益的组织的例子。OpenAI相信，在未来，大多数组织将开发个性化定制的模型，以适应其行业、业务或用例。
延伸解读
微调API新功能：提升控制与效率
OpenAI为微调API引入了多项新功能，包括基于epoch的检查点创建、比较性游乐场、第三方集成、全面验证指标、超参数配置和仪表板改进。这些功能让开发者能更精细地控制训练过程，例如自动生成检查点以减少过拟合时的重训需求，通过并排比较评估模型质量，以及从仪表板配置超参数。这些改进旨在帮助开发者更高效地优化模型，提升任务表现。
定制模型计划：辅助微调与完全定制训练
OpenAI扩展了定制模型计划，提供辅助微调和完全定制训练两种服务。辅助微调由OpenAI技术团队协作，采用API之外的技巧如额外超参数和PEFT方法，适合需要构建高效数据管道和评估系统的组织。完全定制训练则从零开始训练模型，注入领域特定知识，适合拥有大量专有数据的组织。例如，SK Telecom通过辅助微调将客户服务满意度从3.6提升至4.5，Harvey通过定制训练使事实响应增加83%。
微调的实际效益：案例与适用场景
文章通过Indeed、SK Telecom和Harvey的案例展示了微调的实际效益。Indeed微调GPT-3.5 Turbo后，提示令牌减少80%，每月消息处理量从不足百万扩展到约2000万。SK Telecom微调GPT-4后，对话摘要质量提升35%，意图识别准确率提升33%。Harvey定制训练模型后，事实响应增加83%，律师97%的情况下更偏好定制模型输出。这些案例表明，微调能显著提升特定任务的性能、降低成本并改善用户体验。
未来展望：定制模型成为主流
OpenAI认为，未来大多数组织将开发针对其行业、业务或用例的个性化定制模型。通过自助微调API，多数组织能快速获得有意义的结果；对于需要更深层微调或注入领域知识的组织，定制模型计划可提供支持。成功的关键在于明确用例范围、设计评估系统、选择合适技术并持续迭代。这一趋势意味着组织应尽早规划模型定制策略，以充分利用AI的潜力。
Q&A
OpenAI的新微调API功能有哪些？
新微调API功能包括基于epoch的检查点创建、比较性游乐场、第三方集成、全面的验证指标、超参数配置和微调仪表板改进。
微调API如何帮助提高模型性能？
微调可以帮助模型更好地理解内容，提高特定任务的能力，从而提升模型的准确性和效率。
哪些组织已经使用了OpenAI的微调API？
自2023年8月以来，数千个组织使用自助微调API训练了数十万个模型，包括Indeed和SK Telecom等。
SK Telecom如何利用微调API改善客户服务？
SK Telecom与OpenAI合作，微调GPT-4以提高电信领域的客户服务表现，显著提升了对话总结质量和意图识别准确性。
什么是辅助微调服务？
辅助微调服务是OpenAI与客户技术团队合作，利用超参数和高效微调方法来优化模型性能的服务。
未来组织如何利用定制模型？
未来大多数组织将开发个性化定制模型，以适应其行业、业务或用例，从而实现更有意义的AI应用效果。
