簡介
語言模型越來越受歡迎，因為它們為使用者的問題創造了令人印象深刻的連貫性答案。 特別是當使用者透過聊天與語言模型互動時，它提供直觀的方式，取得所需的資訊。
透過聊天實作語言模型時，一個普遍的挑戰是所謂的 [基準性]，這是指回應是否根基於、連結或錨定在現實或特定內容中。 換句話說，基準性是指語言模型的回應是否以事實資訊為基礎。
無依據的提示與回應
當您使用語言模型來產生對提示的回應時，模型必須根據答案的唯一資訊來自已定型的資料，這通常只是來自網際網路或其他來源的大量無脈絡可循的文字。
結果可能是對提示合乎文法的連貫且邏輯性回應，但由於其未根據相關的事實資料，因此無脈絡可循；事實上很有可能不正確並包含「捏造的」資訊。 例如，「我應該使用哪個產品來進行 X？」的問題即可能包含虛構產品的詳細資料。
有依據的提示與回應
相反地，您可以使用包含一些相關、確實內容的資料來源為提示提供依據。 然後，即可將提示提交給語言模型，包括資料依據，以產生脈絡清楚、相關且正確的回應。
資料來源可以是相關資料的任何存放庫。 例如，您可以使用產品目錄資料庫中的資料作為提示「我應該使用哪一個產品來進行 X？」的依據，以便回應可包含目錄中現存產品的相關詳細資料。
在本課程模組中，您會探索如何透過使用您自己的資料作為基礎建置 Copilot，以建立自己的以聊天為基礎的語言模型應用程式。