LLM综合
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。