FAQ sobre racionalização aprofundada

Estas perguntas mais frequentes (FAQ) descrevem o impacto da IA da funcionalidade de racionalização aprofundada no Copilot Studio.

O que é a racionalização aprofundada?

Modelos de racionalização aprofundada são grandes modelos de linguagem avançados concebidos para resolver problemas complexos. Consideram cuidadosamente cada pergunta, gerando uma cadeia de pensamento interna detalhada antes de dar uma resposta ao utilizador.

Como pode usar modelos de racionalização aprofundada no Copilot Studio?

Os modelos de racionalização aprofundada no Copilot Studio proporcionam capacidades avançadas para a criação de agentes sofisticados. Modelos como o Azure OpenAI o3 utilizam racionalização aprofundada para melhorar a tomada de decisão dos agentes e devolver respostas mais precisas.

Ao criar agentes, pode adicionar instruções que definam as tarefas do agente e como as realiza. Estas tarefas podem variar de simples a altamente complexas, exigindo uma análise minuciosa.

Os criadores podem aplicar modelos de racionalização a passos específicos das instruções do agente, melhorando a capacidade do agente para realizar racionalização avançada e fornecer resultados mais precisos e informativos. Pode adicionar modelos de racionalização aprofundada para tarefas que exigem investigação científica, perguntas complexas e análises aprofundadas de dados não estruturados. Estes modelos fornecem informações para além das capacidades dos modelos mais simples.

Para utilizar modelos de racionalização, adicione a palavra-chave razão a passos específicos das instruções do agente. Por exemplo: Use razão para determinar o próximo termo numa série matemática, como 2, 5, 10, 17. Isto aciona o modelo de racionalização durante o runtime do agente para esse passo específico. O Copilot Studio utiliza atualmente o modelo do Azure OpenAI o3 para as suas capacidades de racionalização avançadas.

Quais são as utilizações pretendidas dos modelos de racionalização aprofundada?

 Os modelos de racionalização aprofundada são concebidos para processar tarefas complexas que requerem racionalização lógica, resolução de problemas e análise passo a passo. Por exemplo, pode usar modelos de racionalização aprofundada para:

• Avaliar tendências de mercado e recomendar as melhores oportunidades de investimento. Os modelos de racionalização aprofundada podem dividir os dados de mercado em passos menores e geríveis; analisar tendências; e recomendar as melhores oportunidades de investimento. Podem considerar vários fatores, como dados históricos, condições atuais do mercado e projeções futuras, para fornecer recomendações de investimento bem fundamentadas.

• Analisar o aumento da procura e recomendar estratégias para gerir o inventário. Os modelos podem analisar padrões de procura e oferta, prever necessidades futuras de inventário e recomendar estratégias para gerir o inventário de forma eficaz. Ao considerar fatores como tendências sazonais, flutuações do mercado e dinâmica da cadeia de fornecimento, modelos de racionalização aprofundada podem ajudar as empresas a otimizar a gestão do seu inventário.

• Resolver equações diferenciais e fornecer explicações passo a passo. Os modelos podem resolver problemas matemáticos complexos, como equações diferenciais, e fornecer explicações passo a passo da solução. Ao decompor o problema em passos menores e aplicar racionalização lógica, os modelos de racionalização aprofundada podem oferecer soluções claras e detalhadas para desafios matemáticos.

Como foram avaliados os modelos de racionalização aprofundada e que métricas são usadas para medir o desempenho?

Os modelos de racionalização aprofundada utilizados no Copilot Studio são avaliados em relação à fundamentação, IA responsável e precisão. Fundamentação é garantir que o modelo só devolve conteúdo que esteja fundamentado num contexto específico do mundo real. A IA responsável garante proteção contra ameaças como ataques de jailbreak, ataques de injeção de pedido cruzados e conteúdo nocivo.

Para medir estas dimensões, os modelos são testados num conjunto diversificado de cenários e classificados ao longo de cada uma dessas dimensões. Todos os modelos de racionalização aprofundada são avaliados antes de serem lançados.

Quais são as limitações dos modelos de racionalização aprofundada? Como é que os criadores podem minimizar o impacto destas limitações?

• Utilização de modelos de racionalização: Um agente só pode usar modelos de racionalização aprofundada se as capacidades do modelo de racionalização aprofundada estiverem ativadas nas definições do agente.

• Tempo de resposta: Devido ao tempo necessário para a análise, as respostas dos modelos de racionalização aprofundada tendem a ser mais lentas em comparação com outros modelos de linguagem que não são de racionalização aprofundada.

Para minimizar o impacto destas limitações pode:

• Certificar-se de que as capacidades dos modelos de racionalização aprofundada estão ativadas apenas para os agentes que delas precisam.

• Utilizar a palavra-chave razão nas instruções do agente apenas para os passos que beneficiam dos modelos de racionalização aprofundada.

• Utilizar modelos de racionalização aprofundada para tarefas que permitam tempos de resposta mais longos. Se necessário, informe os utilizadores que algumas respostas dos agentes podem demorar mais tempo.

Que fatores operacionais e definições permitem a utilização eficaz e responsável de modelos de racionalização aprofundada?

Os modelos de racionalização aprofundada incluem várias proteções para garantir que administradores, criadores e utilizadores desfrutem de uma experiência segura e em conformidade:

• Permita apenas modelos de racionalização aprofundada para agentes que exijam passos complexos de racionalização. Isto garante que os modelos são aplicados onde podem fornecer mais valor.

• Inclua a palavra-chave razão nas instruções para acionar o modelo em runtime para tarefas específicas, e não para todas as tarefas que possam não exigir racionalização complexa.

• Teste exaustivamente o agente para garantir a precisão e fiabilidade do resultado fornecido pelo modelo de racionalização aprofundada. Os testes também ajudam a identificar potenciais problemas e garantem que o modelo funciona como esperado.

• Use o mapa de atividades para rever onde o seu agente utiliza modelos de racionalização aprofundada numa sessão. Expanda o nó de raciocínio profundo no mapa para rever os passos que o modelo executou e o resultado do modelo. Isto permite determinar se o modelo de racionalização está a fornecer a funcionalidade esperada.

• Compare as saídas com e sem um modelo de racionalização aprofundada, atualizando as suas instruções durante os testes.