OpenAI简介-openag

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级别的模型，适用于不同的任务，并且能够微调您自己的自定义模型。 这些模型可用于从内容生成到语义搜索和分类的所有领域。

关键概念

我们建议您完成我们的快速入门教程，以通过实际操作的交互式示例熟悉关键概念。

提示和完成

完成端点位于我们 API 的中心。 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，尝试匹配您提供的任何上下文或模式。 例如，如果您给 API 提示“为冰淇淋店写一个标语”，它会返回一个完成，例如“我们为每一勺都带来微笑！”

设计提示本质上是您“编程”模型的方式，通常是通过提供一些说明或一些示例。 这不同于为单一任务设计的大多数其他 NLP 服务，例如情感分类或命名实体识别。 相反，完成端点几乎可以用于任何任务，包括内容或代码生成、摘要、扩展、对话、创意写作、风格转换等。

标记

我们的模型通过将文本分解为标记来理解和处理文本。 标记可以是单词或只是字符块。 例如，单词“hamburger”被分解为标记“ham”、“bur”和“ger”，而像“pear”这样的短而常见的单词是一个标记。 许多标记以空格开头，例如“hello”和“bye”。

在给定的 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 个标记大约为 4 个字符或 0.75 个单词。 要记住的一个限制是，您的文本提示和生成的完成组合不能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，了解有关文本如何转换为分词的更多信息。

模型

API 由一组具有不同功能和价位的模型提供支持。 我们的基础 GPT-3 模型称为 Davinci、Curie、Babbage 和 Ada。 我们的 Codex 系列是 GPT-3 的后代，已接受自然语言和代码方面的培训。 要了解更多信息，请访问我们的模型文档。