OpenAI presenta el ajuste fino para GPT-3.5 Turbo, desencadenando emoción y crítica.
Summary:
Los desarrolladores ahora pueden ajustar GPT-3.5 Turbo, ofrecido por OpenAI, para mejorar el rendimiento de la IA en tareas específicas utilizando datos dedicados. Esta introducción ha generado emoción y críticas. El ajuste fino permite personalizar las capacidades del modelo para satisfacer requisitos específicos. Sin embargo, se deben considerar factores como la configuración y los costos continuos. Las versiones refinadas a través del ajuste fino conllevan un mayor gasto. OpenAI garantiza el uso responsable mediante el examen de los datos y mantiene el control sobre la entrada.
OpenAI ha hecho disponible la posibilidad de ajustar fino en GPT-3.5 Turbo, permitiendo a los desarrolladores de IA mejorar el rendimiento en tareas específicas utilizando datos dedicados. Este avance ha generado tanto entusiasmo como críticas por parte de los desarrolladores. En respuesta a los comentarios, OpenAI aclaró que el ajuste fino brinda a los desarrolladores la capacidad de personalizar las capacidades de GPT-3.5 Turbo para satisfacer sus necesidades específicas. Por ejemplo, los desarrolladores pueden ajustar fino el modelo para generar código personalizado o resumir de manera efectiva documentos legales en alemán utilizando datos obtenidos de sus propias operaciones empresariales.
La introducción del ajuste fino ha recibido una respuesta cautelosa por parte de los desarrolladores. Joshua Segeren, un usuario de X, señaló que aunque el ajuste fino es intrigante, puede que no sea una solución integral. Segeren mencionó que mejorar las indicaciones, utilizar bases de datos vectoriales para búsquedas semánticas o hacer la transición a GPT-4 a menudo produce mejores resultados que el entrenamiento personalizado. También hay otros factores a considerar, como los costos de configuración y mantenimiento continuo.
Los modelos base de GPT-3.5 Turbo comienzan en una tarifa de $0.0004 por cada 1.000 tokens. Sin embargo, las versiones refinadas logradas a través del ajuste fino tienen un costo más alto de $0.012 por cada 1.000 tokens de entrada y $0.016 por cada 1.000 tokens de salida. También hay un cargo inicial de entrenamiento basado en el volumen de datos utilizado. Esta función es particularmente relevante para empresas y desarrolladores que buscan crear interacciones personalizadas con los usuarios. Por ejemplo, las organizaciones pueden ajustar fino el modelo para alinearlo con la voz de su marca, asegurando que el chatbot exhiba una personalidad y tono consistentes que reflejen la identidad de la marca.
Para garantizar un uso responsable de la capacidad de ajuste fino, los datos de entrenamiento son examinados a través de la API de moderación de OpenAI y el sistema de moderación impulsado por GPT-4. Esto asegura que la salida refinada cumpla con las normas de seguridad establecidas por OpenAI al detectar y eliminar datos de entrenamiento potencialmente inseguros. También significa que OpenAI tiene cierto control sobre los datos ingresados en sus modelos.
En otras noticias, una destacada universidad del Reino Unido se ha asociado con una startup de IA para analizar el mercado de las criptomonedas.
Published At
8/23/2023 10:57:06 AM
Disclaimer: Algoine does not endorse any content or product on this page. Readers should conduct their own research before taking any actions related to the asset, company, or any information in this article and assume full responsibility for their decisions. This article should not be considered as investment advice. Our news is prepared with AI support.
Do you suspect this content may be misleading, incomplete, or inappropriate in any way, requiring modification or removal?
We appreciate your report.