LLM综合

此功能需要外部帐户»

LLM综合[促使]

根据输入生成文本促使.

LLM综合[{促使1,…}]

将多个促使我一起。

LLM综合[…,支柱]

返回生成文本的指定属性。

详细信息和选项

  • LLM综合使用大型语言模型（LLM）根据提示符中的指令生成文本。它可以创建内容、完成句子、提取信息等。
  • LLM综合需要外部服务身份验证、计费和互联网连接。
  • 的可能值促使可以是：
  • “字符串”静态文本
    LLM提示["名称"]存储库提示
    字符串模板[…]模板化文本
    模板对象[…]用于创建提示的模板
    图像[…]图像
    {促使1,…}提示列表
  • 模板对象通过自动转换为字符串模板对象[…][].
  • 使用创建的提示模板对象可以包含文本和图像。
  • 并非每个LLM都支持图像输入。
  • 支持的值支柱包括：
  • “完成文本”LLM的文本回答
    “完成工具文本”包含工具交互的文本回答
    “全文”“历史”的字符串表示
    “历史”完整的历史记录，包括提示和完成
    “提示”提交给LLM的内容
    “提示文本”“Prompt”的字符串表示
    “工具请求”列表，共个LLM工具请求物体
    “工具响应”列表，共个LLM工具响应物体
    {支柱1,支柱2,…}多重属性
    全部所有属性
  • “全文注释”,“工具请求”和“工具响应”给出与格式中的元素的关联{开始,结束}val值，其中val值指一个对象和开始和结束指字符跨度，其中val值在中指定“全文”.
  • 可以指定以下选项：
  • 身份验证 自动显式用户ID和API密钥
    LLM评估师 价值10亿美元要使用的LLM配置
    进度报告$进度报告如何报告计算进度
  • LLM评估师可以设置为LLM配置对象或与以下任意键的关联：
  • “MaxTokens”要生成的令牌的最大数量
    “模型”基本模型
    “提示分隔符”要在提示之间插入的字符串
    “提示”初始提示或LLM提示生成器物体
    “停止令牌”停止生成的标记
    “温度”取样温度
    “工具方法”用于工具调用的方法
    “工具”列表，共个LLM工具要提供的对象
    “最高概率”抽样等级截止
    “总概率截止”抽样概率截止(核取样)
  • 有效表格“模型”包括：
  • 名称命名模型
    {服务,名称}命名模型来自服务
    <|“服务”服务,“姓名”名称,“任务”任务|>完全指定型号
  • 任务的可能值包括“聊天”和“完成”.
  • 生成的文本是从分布中采样的。可以使用以下属性指定采样的详细信息LLM估价员:
  • “温度”t吨自动使用正温度取样t吨
    “最高概率”k个自动仅在k个高概率类
    “总概率截止”第页自动在最可能的选择中抽样，累计概率至少为第页 (核取样)
  • 这个自动这些参数的值使用指定“模型”.
  • 中指定的提示“提示”的财产LLM评估师在输入之前添加促使角色集为“系统”如果任务是“聊天”
  • 多个提示由“提示分隔符”的财产LLM评估师.
  • 的可能值身份验证是：
  • 自动自动选择身份验证方案
    环境检查环境变量中的键
    系统凭据检查系统密钥链中的密钥
    服务对象[…]从服务对象继承身份验证
    协会会员提供显式密钥和用户ID
  • 使用身份验证自动，函数检查变量ToUpper案例[服务]<>“_API_KEY”在里面环境和系统凭据; 否则，它使用服务连接[服务].
  • 使用时身份验证协会会员,协会会员可以包含以下密钥：
  • “ID”用户身份
    “APIKey”用于身份验证的API密钥
  • LLM综合使用机器学习。其中包含的方法、训练集和偏见可能会发生变化，并在不同版本的Wolfram语言中产生不同的结果。

示例

全部打开全部关闭

基本示例  (3)

根据简单描述合成文本：

问一个问题：

返回LLM的完整上下文：

范围  (3)

根据提示合成文本：

对文本和图像使用提示：

指定要返回的属性：

选项  (8)

身份验证  (4)

为API提供身份验证密钥：

提供用户ID和API密钥：

使用操作系统的密钥链存储API密钥：

在系统钥匙链中查找钥匙：

将API密钥存储在环境变量中：

在系统环境中查找密钥：

通过服务对象进行身份验证：

LLM评估师  (4)

默认情况下，文本生成将继续，直到生成终止标记：

限制生成样本（标记）的数量：

规定应在零温度下进行取样：

指定高温以在生成中获得更多变化：

指定切断分布前的最大累积概率：

指定要用于生成的服务和模型：

应用  (1)

定义以编程方式生成提示的函数：

使用它创建自然语言同义词生成器：

将其应用于一系列参数：

可能出现的问题  (1)

文本生成不保证完全按照说明进行：

使用精确算法进行精确计算：

Wolfram Research（2023），LLM综合，Wolfram语言函数，https://reference.wolfram.com/language/ref/LLMSynthesize.html。

文本

Wolfram Research（2023），LLM综合，Wolfram语言函数，https://reference.wolfram.com/language/ref/LLMSynthesize.html。

CMS公司

沃尔夫拉姆语言。2023.《LLM综合》，Wolfram语言与系统文档中心。Wolfram研究。https://reference.wolfram.com/language/ref/LLMSynthesize.html。

亚太地区

沃尔夫拉姆语言。(2023). LLM综合。Wolfram语言与系统文档中心。检索自https://reference.wolfram.com/language/ref/LLMSynthesize.html

BibTeX公司

@misc{reference.wolfram_2024_lmsynthesis，author=“wolfram Research”，title=“{LLMSynthentize}”，year=“2023”，howpublished=“\url{https://reference.jolfram.com/language/ref/llmsynthesize.html}”]}

BibLaTeX公司

@在线{reference.wolfram_2024_lmsynthesis，organization={wolfram Research}，title={llmsynthesize}，year={2023}，url={https://reference.jolfram.com/language/ref/llmsynthesize.html}，note=[访问时间：2024年9月22日]}