自然语言模型 GPT-3 现已允许开发者进行特别定制。

GPT-3 是由 OpenAI 于去年 5 月推出的有着 1750 亿个参数的 AI 模型，该模型可以生成类似人类编写的文本和代码。其生成的文本质量之高，让人很难分辨它和真实人类创作之间的区别。

（来源：OpenAI）

经定制后的 GPT-3 可以更好地服务于需要深入了解语言的各种应用，从而在任务和工作负载之间达成更高质量的内容输出。

通过定制 GPT-3，开发者可以使用几乎任何现有数据集，或者根据用户反馈递增地添加数据。数据显示，使用定制后的 GPT-3 模型，有用户的程序输出正确内容的概率可以由 83% 提升到 95%，而有的用户通过每周给产品添加新的数据，减少了 50% 的错误输出。

OpenAI 进一步表示，微调 GPT-3 的好处，只需不到 100 个示例就可以体现出来，并且随着添加数据的增多，其性能也会不断提高。

微调 GPT-3 的方式也很简单快捷，只需要一行代码和一个文件，开发人员就能运行和训练基于特定数据集的自定义版本 GPT-3 模型，无需从头创建自己的 AI 系统，这为他们节省了大量的时间和金钱成本。

今年 3 月，OpenAI 公布了一组数据，“现有成上千万名的开发者在 300 多个不同的应用程序中使用 GPT-3，每天可以产生大约 45 亿个单词。”

OpenAI 还举了几个例子，来说明定制版 GPT-3 功能的具体提升。

例如，客户可以使用经过微调的 GPT-3 分析来自银行对账单的数据，以帮助查找可能免税的费用。

图 | 借助 GPT-3 管理税收（来源：OpenAI）

该客户根据他们产品在现实世界中的表现，每周用新数据微调 GPT-3，重点关注模型低于某一特定性能阈值的示例。该客户声称，其每周使用大概 500 个新的训练示例来微调 GPT-3，微调过程中可产生约 1% 的改善。这虽然听起来改善不多，但随着时间的推移，变化会越来越大。

下面一家公司使用定制版本的 GPT-3 提高了其产品报告的可靠性，并突出显示了客户的请求和问题，对客户反馈情况总结的准确率也从 66% 提高到 90%。

图 | 借助 GPT-3 总结报告（来源：OpenAI）

Sana Labs 是一个开发和应用AI学习的平台，可为每个人和企业量身定制内容，提供个性化的学习体验。

Sana Labs 通过使用数据自定义 GPT-3，给其平台的问题和内容生成带来了 60% 的改进，为学习者带来了更加个性化和有效的体验。

参考：

https://openai.com/blog/customized-gpt3/https://venturebeat.com/2021/12/14/openai-begins-allowing-customers-to-fine-tune-gpt-3/