Introdução

Concluído

Os modelos de linguagem são ferramentas poderosas para construir aplicações de IA generativa, mas um modelo base por si só pode não satisfazer todos os seus requisitos. A qualidade, precisão e consistência das respostas geradas por um modelo dependem de como o configura e aumenta.

Imagine que você é um desenvolvedor trabalhando para uma agência de viagens. Está a criar uma aplicação de chat para ajudar os clientes com as suas dúvidas relacionadas com viagens. O modelo base dá respostas decentes, mas a sua equipa tem necessidades específicas: as respostas devem seguir o tom de voz da empresa, incluir informações precisas sobre o catálogo do seu hotel e manter um formato consistente nas interações. Como consegues que o modelo tenha um desempenho a este nível?

Existem várias estratégias complementares que pode usar para otimizar o desempenho de um modelo de IA generativa. Estas estratégias vão desde ajustes rápidos e de baixo custo até técnicas mais complexas que exigem tempo e recursos adicionais.

Diagrama que mostra as várias estratégias para otimizar o desempenho do modelo, desde a engenharia rápida até ao RAG e ajuste fino.

Ao longo deste módulo, explora cada uma destas estratégias e aprende quando e como aplicá-las individualmente ou em combinação.

Note

Reconhecemos que pessoas diferentes gostam de aprender de maneiras diferentes. Pode optar por completar este módulo em formato de vídeo ou pode ler o conteúdo como texto e imagens. O texto contém mais detalhes do que os vídeos, portanto, em alguns casos, você pode querer se referir a ele como material complementar à apresentação do vídeo.