Wprowadzamy ulepszenia do interfejsu konfiguracji precyzyjnej API i rozszerzamy nasz program modeli niestandardowych

Aktualizacja z 08.05.2026: OpenAI wygasza platformę dostrajania modeli. Platforma nie jest już dostępna dla nowych użytkowników, ale aktualni będą mogli tworzyć zadania treningowe przez najbliższe miesiące. Wszystkie modele dostrojone pozostaną dostępne do momentu wycofania⁠(otwiera nowe okno) ich modeli bazowych. Pełny harmonogram znajduje się tutaj⁠(otwiera nowe okno).

Istnieje wiele sposobów⁠(otwiera nowe okno) na zwiększenie wydajności modelu, zmniejszenie opóźnień, poprawienie dokładności i obniżenie kosztów. Opracowaliśmy szereg opcji usprawniających wdrażanie AI u naszych klientów i wspomagających rozszerzanie wiedzy modelu za pomocą generowania wspomaganego wyszukiwaniem (RAG), dostosowywanie zachowania modelu poprzez precyzyjną konfigurację oraz tworzenie niestandardowego modelu z nową wiedzą dostosowaną do danej dziedziny. Dziś wprowadzamy nowe funkcje, które zapewnią programistom większą kontrolę nad precyzyjną konfiguracją za pomocą interfejsu API, a także przedstawiamy nowe sposoby współpracy z naszym zespołem ekspertów i badaczy AI w celu tworzenia niestandardowych modeli.

W sierpniu 2023 r. uruchomiliśmy interfejs API do samodzielnej konfiguracji precyzyjnej dla GPT‑3.5⁠(otwiera nowe okno). Od tego czasu tysiące organizacji wytrenowało setki tysięcy modeli przy użyciu naszego interfejsu API. Konfiguracja precyzyjna może pomóc modelom lepiej zrozumieć daną treść i poszerzyć istniejącą wiedzę oraz możliwości modelu w odniesieniu do określonego zadania. Nasz interfejs konfiguracji precyzyjnej API obsługuje również większą liczbę przykładów niż mieści się w pojedynczym wierszu poleceń, co pozwala na uzyskanie wyników wyższej jakości przy jednoczesnym obniżeniu kosztów i opóźnień. Do typowych przypadków użycia konfiguracji precyzyjnej należy trenowanie modelu pod kątem generowania lepszego kodu w konkretnym języku programowania, zdolności podsumowania tekstu w określonym formacie lub tworzenia spersonalizowanych treści na podstawie zachowań użytkownika.

Na przykład Indeed⁠(otwiera nowe okno), globalna platforma do wyszukiwania ofert pracy i pośrednictwa pracy, pracuje nad uproszczeniem procesu rekrutacji. W tym celu portal Indeed uruchomił funkcję wysyłającą spersonalizowane rekomendacje osobom poszukującym pracy, dobierającą odpowiednie oferty pracy na podstawie ich umiejętności, doświadczenia i preferencji. Wykonano konfigurację precyzyjną GPT‑3.5 Turbo, aby generować wyższej jakości, dokładniejsze opisy. W rezultacie portal Indeed zdołał obniżyć koszty i skrócić opóźnienia, redukując liczbę tokenów w kolejce o 80%, co z kolei pozwoliło im zwiększyć liczbę wiadomości wysyłanych do osób poszukujących pracy z mniej niż miliona do około 20 milionów miesięcznie.

Dziś wprowadzamy nowe funkcje⁠(otwiera nowe okno), które zapewnią programistom jeszcze większą kontrolę nad konfiguracją precyzyjną modelu, między innymi poprzez:

• Tworzenie punktów kontrolnych dla poszczególnych etapów treningu: Automatycznie generowanie jednego pełnego, precyzyjnie dostrojonego punktu kontrolnego modelu dla każdej sesji treningu, co zmniejsza potrzebę powtarzania treningu, szczególnie w przypadku nadmiernego dopasowania
• Porównawczy Playground: Nowy interfejs użytkownika Playground umożliwia porównywanie jakości i wydajności modeli, ocenę wyników wielu modeli przez człowieka i precyzyjną konfigurację poszczególnych migawek na podstawie konkretnego polecenia
• Integracja z rozwiązaniami firm trzecich: Obsługa integracji z platformami firm zewnętrznych (począwszy od Weights and Biases⁠(otwiera nowe okno) w tym tygodniu), dzięki której programiści będą mogli udostępniać szczegółowe dane dotyczące konfiguracji precyzyjnej dla reszty swojego stosu
• Kompleksowe wskaźniki walidacji: Możliwość obliczania metryk takich jak strata czy dokładność, w całym zestawie danych walidacyjnych, a nie w próbkowanym pakiecie, co zapewnia lepszy wgląd w jakość modelu
• Konfiguracja hiperparametrów: Możliwość konfigurowania dostępnych hiperparametrów z poziomu pulpitu⁠(otwiera nowe okno) (a nie tylko za pośrednictwem interfejsu API lub zestawu SDK)
• Konfiguracja precyzyjna pulpitu: W tym możliwość konfigurowania hiperparametrów, przeglądania bardziej szczegółowych metryk treningowych i ponownego uruchamiania zadań z poprzednich konfiguracji

Podczas konferencji DevDay w listopadzie ubiegłego roku ogłosiliśmy⁠ uruchomienie programu Custom Model, którego celem jest trenowanie i optymalizacja modeli w kontekście określonej dziedziny, we współpracy z dedykowaną grupą badaczy OpenAI. Od tego czasu spotykaliśmy się z dziesiątkami klientów, aby poznać ich potrzeby w zakresie niestandardowych modeli i udoskonalić nasz program w celu dalszej maksymalizacji wydajności.

Dziś oficjalnie ogłaszamy wprowadzenie naszej oferty wspomaganej konfiguracji precyzyjnej w ramach programu Custom Model. Wspomagana konfiguracja precyzyjna to wspólne działanie naszych zespołów technicznych mające na celu wykorzystanie technik znacząco wykraczających poza interfejs konfiguracji precyzyjnej API, takich jak dodatkowe hiperparametry czy metody konfiguracji precyzyjnej dla zróżnicowanych parametrów (PEFT). Jest to szczególnie przydatne dla organizacji, które potrzebują wsparcia w zakresie konfigurowania wydajnych przepływów danych treningowych, systemów oceny oraz niestandardowych parametrów i metod w celu maksymalizacji wydajności modelu w danym przypadku użycia lub dla konkretnego zadania.

Na przykład firma SK Telecom⁠(otwiera nowe okno), operator telekomunikacyjny obsługujący ponad 30 milionów abonentów w Korei Południowej, chciała dostosować model ekspercki dedykowany dla rynku telekomunikacji tak, aby koncentrował się w pierwszej kolejności na skutecznej obsłudze klienta. We współpracy z OpenAI przeprowadzona została precyzyjna konfiguracja GPT‑4 w celu zwiększenia jego wydajności w konwersacjach dotyczących telekomunikacji prowadzonych w języku koreańskim. W ciągu kilku tygodni firmy SKT i OpenAI osiągnęły znaczącą poprawę wydajności obsługi klienta w firmach telekomunikacyjnych — jakość podsumowania konwersacji wzrosła o 35%, dokładność rozpoznawania intencji wzrosła o 33%, a wyniki satysfakcji wzrosły z 3,6 do 4,5 (w 5-stopniowej skali), przy porównaniu nowo skonfigurowanego modelu z bazowym GPT‑4.

W niektórych przypadkach organizacje muszą od podstaw trenować specjalnie zaprojektowany model, który będzie w stanie zrozumieć specyfikę ich działalności, branży lub domeny. W pełni niestandardowo wytrenowane modele wdrażają nową wiedzę z określonej dziedziny poprzez modyfikację kluczowych kroków procesu szkolenia modelu przy użyciu nowych technik stosowanych w trakcie i po treningu. Organizacje, które odnoszą sukcesy dzięki w pełni dostosowanemu do potrzeb modelowi, często dysponują dużymi ilościami zastrzeżonych danych — milionami przykładów lub miliardami tokenów — które chcą wykorzystać do nauczenia modelu nowej wiedzy lub złożonych, unikalnych zachowań w bardzo specyficznych przypadkach użycia.

Na przykład twórcyHarvey⁠(otwiera nowe okno), narzędzia opartego na sztucznej inteligencji dedykowanego dla prawników, nawiązali współpracę z OpenAI w celu stworzenia specjalnie wyszkolonego obszernego modelu językowego dostosowanego do pracy w kontekście orzecznictwa. Choć modele podstawowe osiągały dobre wyniki w zakresie rozumowania jako takiego, brakowało im rozległej wiedzy na temat historii orzecznictwa i innej wiedzy wymaganej w pracy prawnika. Po przetestowaniu inżynierii poleceń, wdrożeniu procesów RAG i konfiguracji precyzyjnej, twórcy Harvey współpracowali z naszym zespołem, aby zapewnić modelowi niezbędną głębię kontekstu — odpowiadającą 10 miliardom tokenów danych. Nasz zespół zmodyfikował każdy etap procesu trenowania modelu, od trenowania wewnętrznego w ramach danej domeny, po dostosowywanie procesów po zakończeniu trenowania i uwzględnianie opinii doświadczonych prawników. Stworzony w tym procesie model osiągnął 83% wzrost w zakresie faktycznej poprawności odpowiedzi, a prawnicy w 97% przypadków preferowali wyniki dostosowanego modelu o tych wygenerowanych przez GPT‑4.

Wierzymy, że w przyszłości zdecydowana większość organizacji będzie opracowywać modele dostosowane do konkretnej branży, rodzaju działalności lub określonego przypadku użycia. Dzięki różnorodnym technikom tworzenia niestandardowych modeli organizacje każdej wielkości mogą opracowywać spersonalizowane modele, umożliwiające bardziej wydajne implementacje dedykowanych modeli SI. Kluczem jest tutaj precyzyjne zdefiniowanie zakresu danego użycia użycia, zaprojektowanie i wdrożenie systemów oceny, wybór odpowiednich technik i przygotowanie się na wdrażanie kolejnych iteracji na przestrzeni pewnego okresu czasu, aby model mógł osiągnąć optymalną wydajność.

Dzięki OpenAI większość organizacji może szybko zobaczyć znaczące wyniki dzięki samodzielnemu dostępowi do interfejsu konfiguracji precyzyjnej API. Nasze programy modeli niestandardowych mogą okazać się pomocne dla każdej organizacji, która potrzebuje precyzyjnie skonfigurowanych, niestandardowych modeli lub pragnie wzbogacić istniejący model o wiedzę specjalistyczną.

Zapoznaj się z dokumentacją interfejsu konfiguracji precyzyjnej API⁠(otwiera nowe okno), aby rozpocząć konfigurowanie naszych modeli.