該章節(jié)我們來學(xué)習(xí)一下 “Text Completion” ，也就是 “文本完成” ?！癟ext Completion” 并不是一種模型，而是指模型能夠根據(jù)上下文自動完成缺失的文本部分，生成完整的文本。
? Text Completion 的介紹
Text Completion 也稱為文本自動補(bǔ)全，Text Completion并不是一個獨立的模型，而是自然語言處理模型中的一個功能。在自然語言處理模型中，Text Completion可以用于自動為用戶完成一段文本的缺失部分。
完成端點可用于各種任務(wù)，它為我們的任何模型提供了一個簡單但功能強(qiáng)大的界面。 當(dāng)我們輸入一些文本作為提示， 模型將生成一個文本補(bǔ)全，嘗試匹配我們提供的任何上下文或模式。
比如輸入"我今天去逛了"，模型可以根據(jù)語言模型預(yù)測出 "商場"、"買了一件漂亮的衣服" 這一可能的文本。這樣，模型就可以為用戶自動完成文本的缺失部分。
在實際應(yīng)用中，Text Completion可以使用多種自然語言處理模型來實現(xiàn)，例如GPT（Generative Pre-trained Transformer）模型、LSTM（Long Short-Term Memory）模型、BERT（Bidirectional Encoder Representations from Transformers）模型等。這些模型可以根據(jù)上下文和已知信息推斷出缺失文本的最可能內(nèi)容，并生成完整的連續(xù)文本。
?? 探索文本完成
想要探索文本完成的補(bǔ)全的最佳方式是通官方提供的 Playground ，Playground的在線訪問地址:https://platform.openai.com/playground
該頁面只是一 個文本輸入框， 我們可以在其中提交我們的 “提示-prompt” 以便后面生成 “完成-completion”。
當(dāng)我們輸入并提交如下文本: 我現(xiàn)在想開一家 "奶茶店"，請為我準(zhǔn)備1條用作宣傳的廣告語言。。
他大概率會給我們生成類似如下: "來試試奶茶店的新口味，滿足你的口腹之欲！"
也許我們看到的實際完成情況可能有所不同，這是因為默認(rèn)情況下 API 是不確定的。這也就意味著即使我們發(fā)出的提示保持不變，但是每次調(diào)用它時可能會得到略微不同的完成。這是由于 API 默認(rèn)的溫度造成的，將溫度設(shè)置為 0 時，“完成-completion” 將輸出大部分具有確定性的結(jié)果，但可能會保留少量可變性。
下面我們來看一下演示的案例：
上圖是一個簡單的文本輸入、文本輸出界面，同時可供選擇的多個模型意味著我們可以通過提供說明或希望它做什么的幾個示例來展示任務(wù)的復(fù)雜性和提示的質(zhì)量。一個寫得很好的提示提供了足夠的信息讓模型知道你想要什么以及它應(yīng)該如何響應(yīng)。
比如上圖中，我先是讓 ChatGPT 設(shè)定了自己的身份 - “中文老師”，然后又讓其返回了開奶茶店的幾個廣告語，可以看到 "溫度" 越低，得到的 “完成-completion” 越是機(jī)械化。文章來源：http://www.zghlxwxcb.cn/news/detail-744374.html
??設(shè)計提示（應(yīng)該如何提問）
但我們向 ChatGPT 提出一個問題，這個問題應(yīng)該如何問？需要增加什么樣的形容詞、通過層層遞進(jìn)的形式，從而獲得我們想要的答案？文章來源地址http://www.zghlxwxcb.cn/news/detail-744374.html
到了這里，關(guān)于ChatGPT 的 Text Completion的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
