8月23日凌晨，OpenAI在官网宣布，推出GPT-3.5Turbo微调功能并更新API，使企业、开发人员可以使用自己的数据，结合业务用例构建专属ChatGPT。GPT-4的微调功能将于今年秋天推出。

OpenAI表示，从早期测试数据来看，GPT-3.5Turbo 的微调版本在某些特定任务上，其性能可以匹配甚至超越GPT-4的基本功能。

微调功能是目前企业应用大语言模型的主要方法，例如，法律领域的Spellbook、律商联讯、Litera、Casetext等，他们通过自己积累的海量法律数据在GPT-4模型上进行微调、预训练构建法律领域的专属ChatGPT，使其回答的内容更加聚焦、安全、准确。

自GPT-3.5Turbo发布以来，开发人员和企业希望能够开发自定义大模型，为用户创造独特、差异化的产品体验。现在，OpenAI终于开放了此功能，使得人人都能打造独一无二的专属ChatGPT。

什么是微调

大语言模型的微调（Fine-tuning）是一种在预训练模型的基础上，对特定任务进行深度训练的方法。

微调的基本思想是，先在大规模文本数据上预训练一个大型的语言模型，例如，GPT-3.5，然后，使用特定任务的数据集（如法律、医疗），进一步对模型进行训练，以适应特定的任务。在这个过程中，模型的参数会进行微小的调整，使其在特定业务场景上的性能更好。

例如，如果我们有一个预训练的GPT3.5模型，想让它在法律业务上的表现更好、更专业，可以用海量法律数据集对模型进行微调。

经过微调，模型学习到如何更好地解读、生成和预测法律问题。

微调用例

根据OpenAI的官方微调说明文档，列出了以下常见用例:

• 设置风格、基调、格式等;

• 提高输出的可靠性;

• 纠正未能遵循复杂提示的问题;

• 以特定方式处理多个边缘内容;

• 改进可操纵性;

• 执行难以在提示中阐明的新技能或任务。

例如，改进可操纵性，微调功能允许企业使模型更好地遵循指令，使输出简洁或始终以特定语言进行响应。例如，开发人员可以使用微调来确保模型，在提示使用德语时始终以德语进行响应。

除了提高性能之外，微调使企业能够缩短提示时间同时保证性能。GPT-3.5-Turbo微调还可以处理4ktokens，是OpenAI之前微调模型的两倍。

早期测试人员通过对模型本身的指令进行微调，将提示大小减少了高达90%，从而加快了每个API调用的速度并降低了成本。