給定一個提示,該模型將返回一個或多個預測的 Completions,并且還可以返回每個位置的替代標記的概率。
POST https://api.openai.com/v1/completions
為提供的提示和參數(shù)創(chuàng)建 completion
字段 | 類型 | 是否可選 | 說明 |
model | string | 必須 | 要使用的模型的 ID。您可以使用 List models API 來查看所有可用模型。 |
prompt | string or array | 可選 默認為 <|endoftext|> | 生成完成的提示,編碼為字符串、字符串數(shù)組、標記數(shù)組或標記數(shù)組數(shù)組。
請注意,<|endoftext|> 是模型在訓練期間看到的文檔分隔符,因此如果未指定提示,模型將生成新文檔的開頭。 |
suffix | string | 可選 默認為 null | 插入文本完成后出現(xiàn)的后綴。 |
max_tokens
|
integer
|
可選 默認為 16 |
完成時生成的最大令牌數(shù)。 您的提示的令牌計數(shù)加上 max_tokens 不能超過模型的上下文長度。大多數(shù)模型的上下文長度為 2048 個標記(最新模型除外,它支持 4096)。 |
temperature
|
number | 可選 默認為 1 |
使用什么采樣 temperature,介于 0 和 2 之間。較高的值(如 0.8)將使輸出更加隨機,而較低的值(如 0.2)將使輸出更加集中和確定。
我們通常建議改變這個或 top_p 但不是兩者都改變??。 |
top_p
|
number
|
可選 默認為 1 |
一種替代 temperature 采樣的方法,稱為核采樣,其中模型考慮具有 top_p 概率質量的標記的結果。所以 0.1 意味著只考慮構成前 10% 概率質量的標記。
我們通常建議更改此值或 temperature,但不要同時更改兩者。 |
n | integer | 可選 默認為 1 | 為每個提示生成多少完成。
注意:因為這個參數(shù)會產(chǎn)生很多完成,它會很快消耗你的令牌配額。請謹慎使用并確保您對 max_tokens 和停止進行了合理的設置。 |
stream | boolean | 可選 默認為 false | 是否回流部分進度。如果設置,令牌將在可用時作為純數(shù)據(jù)服務器發(fā)送事件發(fā)送,流由數(shù)據(jù)終止:[DONE] 消息。 |
logprobs | integer | 可選 默認為 null | 在 logprobs 上包括對數(shù)概率最有可能的標記,以及所選標記。例如,如果 logprobs 為 5,則 API 將返回 5 個最有可能的標記的列表。 API 將始終返回采樣令牌的 logprob,因此響應中最多可能有 logprobs+1 個元素。
logprobs 的最大值為 5。如果您需要更多,請通過我們的幫助中心聯(lián)系我們并描述您的用例。 |
echo | boolean | 可選 默認為 false | 除了完成之外回顯提示 |
stop | string or array | 可選 默認為 null | API 將停止生成更多令牌的最多 4 個序列。返回的文本將不包含停止序列。 |
presence_penalty | number | 可選 默認為 0 | -2.0 和 2.0 之間的數(shù)字。正值會根據(jù)到目前為止是否出現(xiàn)在文本中來懲罰新標記,從而增加模型談論新主題的可能性。 |
frequency_penalty | number | 可選 默認為 0 | -2.0 和 2.0 之間的數(shù)字。正值會根據(jù)新標記在文本中的現(xiàn)有頻率對其進行懲罰,從而降低模型逐字重復同一行的可能性。 |
best_of | integer | 可選 默認為 1 | 在服務器端生成 best_of 完成并返回“最佳”(每個標記具有最高對數(shù)概率的那個)。無法流式傳輸結果。 當與 n 一起使用時,best_of 控制候選完成的數(shù)量,n 指定返回多少 - best_of 必須大于 n。 注意:因為這個參數(shù)會產(chǎn)生很多完成,它會很快消耗你的令牌配額。請謹慎使用并確保您對 max_tokens 和停止進行了合理的設置。 |
logit_bias | map | 可選 默認為 null |
修改指定標記出現(xiàn)在完成中的可能性。 接受一個 json 對象,該對象將標記(由 GPT 標記器中的標記 ID 指定)映射到從 -100 到 100 的相關偏差值。您可以使用此標記器工具(適用于 GPT-2 和 GPT-3)來轉換文本到令牌 ID。從數(shù)學上講,偏差會在采樣之前添加到模型生成的對數(shù)中。確切的效果因模型而異,但 -1 和 1 之間的值應該會減少或增加選擇的可能性;像 -100 或 100 這樣的值應該導致相關令牌的禁止或獨占選擇。 例如,您可以傳遞 {"50256": -100} 以防止生成 <|endoftext|> 標記。 |
user
|
string
|
可選 | 代表您的最終用戶的唯一標識符,可以幫助 OpenAI 監(jiān)控和檢測濫用行為。 |
示例請求
curl | python | node.js |
|
|
|
參數(shù)
{
"model": "ada",
"prompt": "Say this is a test",
"max_tokens": 7,
"temperature": 0,
"top_p": 1,
"n": 1,
"stream": false,
"logprobs": null,
"stop": "\n"
}
響應
{
"id": "cmpl-uqkvlQyYK7bGYrRHQ0eXlWi7",
"object": "text_completion",
"created": 1589478378,
"model": "ada",
"choices": [
{
"text": "\n\nThis is indeed a test",
"index": 0,
"logprobs": null,
"finish_reason": "length"
}
],
"usage": {
"prompt_tokens": 5,
"completion_tokens": 7,
"total_tokens": 12
}
}
更多建議: