介绍
概述
OpenAI API 几乎可以应用于任何涉及理解或生成自然语言或代码的任务。我们提供一系列具有不同功率水平的型号，适用于不同的任务，并能够微调您自己的定制模型。这些模型可用于从内容生成到语义搜索和分类的所有内容。
关键概念
我们建议完成快速入门教程，通过动手的交互式示例熟悉关键概念。
快速入门教程
通过构建快速示例应用程序进行学习
提示和完成
完成接口是 API 的核心。它为我们的模型提供了一个简单的界面，非常灵活和强大。您输入一些文本作为提示，模型将生成一个文本补全，尝试匹配您为其提供的任何上下文或模式。例如，如果您向 API 提供提示“为冰淇淋店编写标语”，它将返回类似“我们每勺都提供微笑！
设计提示本质上是“编程”模型的方式，通常是通过提供一些说明或一些示例。这与大多数其他 NLP 服务不同，后者是为单个任务设计的，例如情绪分类或命名实体识别。相反，完成端点几乎可用于任何任务，包括内容或代码生成、摘要、扩展、对话、创意写作、风格迁移等。
令 牌
我们的模型通过将文本分解为标记来理解和处理文本。标记可以是单词，也可以只是字符块。例如，单词“汉堡包”被分解为标记“ham”，“bur”和“ger”，而像“梨”这样的简短而常见的单词是单个令牌。许多标记以空格开头，例如“hello”和“bye”。
给定 API 请求中处理的令牌数量取决于输入和输出的长度。根据粗略的经验法则，对于英文文本，1 个标记大约是 4 个字符或 0.75 个单词。要记住的一个限制是，文本提示和生成的完成组合不得超过模型的最大上下文长度(对于大多数模型，这是 2048 个标记，或大约 1500 个单词)。查看我们的分词器工具，详细了解文本如何转换为分词。
模型
该 API 由一组具有不同功能和价位的模型提供支持。我们的基本 GPT-3 模型称为达芬奇、居里、巴贝奇和艾达。我们的 Codex 系列是 GPT-3 的后代，经过自然语言和代码训练。要了解更多信息，请访问我们的模型文档。
本文链接：https://my.lmcjl.com/post/12362.html
4 评论