Azure OpenAI 服务的透明度说明

作为完全托管的 Azure OpenAI 服务的一部分， GPT-3 模型分析和生成自然语言，Codex 模型分析和生成代码和纯文本代码注释， GPT-4 和 推理模型 （包括 o 系列模型和 GPT-5）可以理解和生成自然语言和代码。 这些模型使用自回归结构，这意味着它们使用先前观测的数据来预测最可能的下一个词。 然后，通过将新生成的内容追加到原始文本以生成完整的生成响应来重复此过程。 由于响应对输入文本有条件，因此这些模型只需更改输入文本即可应用于各种任务。

GPT-3 系列模型预先训练在大量公开可用的自由文本数据上。 此数据源自 Web 爬网（特别是通用爬网的筛选版本，其中包括来自 Internet 的广泛文本，并占加权预训练数据集的 60%）和更高质量数据集的组合，包括 WebText 数据集的扩展版本、两个基于 Internet 的书籍语料库和英语维基百科。 GPT-4 基本模型是使用公开可用的数据（如 Internet 数据）和 OpenAI 许可的数据训练的。 模型使用强化学习和人工反馈（RLHF）进行了微调。

计算机使用（预览版）模型接受第一轮的文本输入，第二轮次和后轮次的屏幕截图图像，并将命令输出到键盘和鼠标。 计算机使用模型和计算机使用工具使开发人员能够生成代理 AI 系统。

详细了解 OpenAI 的 GPT-3、 GPT-4 和 Codex 研究论文中的训练和建模技术。

微调 是指使用 监督微调 来调整基础模型的权重，以便根据提供的训练集提供更好的响应。 大型语言模型的所有用例和注意事项也适用于微调的模型，但也有其他注意事项。

关键术语

完全托管服务提供对 Azure OpenAI DALL·E 2、DALL·E 3、GPT-image-1、GPT-4 Turbo with Vision、GPT-4o 和 o1 API 的 API 访问。

Azure OpenAI DALL·E API 允许从应用程序中的文本提示和图像输入生成丰富的图像。 这种强大的多模式 AI 模型由 OpenAI 开发，可以生成捕获文本输入语义和样式的图像。

可以在 OpenAI 的 DALL·E 研究论文中详细了解 DALL·E 的训练和建模技术，并通过OpenAI 的 DALL·E 3 系统卡了解 DALL·E 3 的安全性。

具有视觉功能的 Azure OpenAI GPT-4 Turbo 可以接受多模式（图像和文本）输入，并生成自然语言和代码响应。 此 API 可更丰富、更全面地了解图像和视频输入。

可以在 OpenAI GPT-4 研究论文中详细了解 GPT-4 Turbo with Vision 的训练和建模技术，并从系统卡中详细了解 GPT-4 Turbo with Vision 的安全性。

Azure OpenAI GPT-4o 可以接受多模式（图像和文本）输入，并生成自然语言和代码响应，类似于具有视觉的 Azure OpenAI GPT-4 Turbo。

Azure OpenAI 计算机使用（预览版）在第一轮接受文本输入，在第二轮及后续轮次接受屏幕截图图像，并将命令输出到键盘和鼠标。 计算机使用模型和计算机使用工具使开发人员能够生成代理 AI 系统。

以下指南取自Microsoft 负责任的 AI 的研究见解和最佳做法。

关键术语

gpt-4o-realtime-preview Azure OpenAI 服务中的模型支持可靠的语音转语音和文本转语音交互。 此模型集成了高级语音识别和合成功能，使它可以理解口语输入、生成准确的听录，以及以目标语言生成流畅的口语输出。 借助其实时翻译语音的能力， gpt-4o-realtime-preview 可以跨语言促进动态对话。

Azure OpenAI 服务中的 Whisper 模型允许访问执行可靠的语音识别和翻译任务的模型。 Whisper 模型是由 OpenAI 开发的自动语音识别（ASR）模型，能够将语音音频文件转录为已说的语言以及翻译成英语。

可以在 OpenAI Whisper 研究论文中了解更多关于 Whisper 模型的训练和建模技术。 Whisper 模型也用于 Azure AI 语音服务。 详细了解 Azure AI 语音集成，并 在此处评估其用法。

关键术语

推理模型、GPT-4、GPT-3、Codex 模型和 Azure OpenAI 评估使用自然语言说明和提示中的示例来确定任务。 然后，该模型通过预测最有可能的下一个文本来完成任务。 此方法称为“上下文中”学习。 在此步骤中不会重新训练这些模型，而是根据提示中包含的上下文提供预测。

上下文中学习有三种主要方法。 这些方法因提供给模型的任务特定数据量而异：

少样本：在这种情况下，用户在提示中包含几个示例来演示预期的答案格式和内容。 以下示例显示了一个提供多个示例的少样本提示：

Convert the questions to a command: 
Q: Ask Constance if we need some bread 
A: send-msg `find constance` Do we need some bread? 
Q: Send a message to Greg to figure out if things are ready for Wednesday. 
A: send-msg `find greg` Is everything ready forWednesday? 
Q: Ask Ilya if we're still having our meeting thisevening 
A: send-msg `find ilya` Are we still having a meetingthis evening? 
Q: Contact the ski store and figure out if I can getmy skis fixed before I leave on Thursday 
A: send-msg `find ski store` Would it be possible toget my skis fixed before I leave on Thursday? 
Q: Thank Nicolas for lunch 
A: send-msg `find nicolas` Thank you for lunch! 
Q: Tell Constance that I won't be home before 19:30tonight — unmovable meeting. 
A: send-msg `find constance` I won't be home before19:30 tonight. I have a meeting I can't move. 
Q: Tell John that I need to book an appointment at10:30 
A:  

示例数通常介于 0 到 100 之间，具体取决于单个提示的最大输入长度可以容纳多少个。 少样本学习可以大大减少准确进行预测所需的任务特定数据量。

单样本：这种情况与少样本方法相同，不过只提供了一个示例。 以下示例显示了一个单样本提示：

Convert the questions to a command:
Q: Ask Constance if we need some bread
A: send-msg `find constance` Do we need some bread?
Q: Send a message to Greg to figure out if things are ready for Wednesday.
A:

零拍摄：在本例中，没有向模型提供任何示例，只提供任务请求。 以下示例显示了一个零样本提示：

Convert the question to a command:
Q: Ask Constance if we need some bread
A:

思考链 ：Azure OpenAI 的推理模型使用思考链（CoT）技术具有高级推理功能。 CoT 技术在提供响应之前生成中间推理步骤，使他们能够通过分步解决问题来解决更复杂的挑战。 o1 演示了推理密集型领域（如研究、策略、科学、编码和数学等）基准的改进。 这些模型在安全性上有改进，这得益于其高级推理能力，能更有效地进行推理和应用安全规则。 这带来了更好的性能以及安全基准，如生成非法建议、选择刻板的响应和屈从于已知的越狱。

有关此系列模型功能的详细信息，请参阅 OpenAI o1 系统卡、 o3-mini 系统卡、 o3/o4 微型系统卡、 深度研究系统卡和 GPT-5 系统卡。

Azure OpenAI 评估

大型语言模型的评估是衡量不同任务和维度性能的关键步骤。 对于微调的模型，此任务尤为重要，因为评估训练带来的性能提升（或损失）非常关键。 如果不进行彻底的评估，了解模型的不同版本如何影响特定应用程序可能会变得具有挑战性。

Azure OpenAI 评估是一种基于 UI 的体验，用于评估数据，包括从 Azure OpenAI 部署或其他手动策划的文件生成的数据集。

Azure OpenAI 评估具有生成响应的可选步骤。 如果用户选择执行此步骤，我们将提供提示（系统/用户消息），以指示模型如何生成响应。

Azure OpenAI 评估包括 9 类测试，用于评分结果。 有些人需要基本事实数据（如事实性），而另一些则不需要（架构验证）。 评分器是基于 CPU 和基于模型的混合体。 下面是测试条件列表：事实性、情绪、有效 JSON 或 XML、条件匹配、自定义提示、语义相似性、包含字符串、匹配架构和文本质量。

Text-to-action

计算机使用（预览版）模型支持文本到作功能，允许用户提供自然语言说明，使模型在图形用户界面中转换为可作的步骤。 给定命令（如“使用此信息填写客户支持表单”）时，模型会标识相关字段、输入正确的数据并提交表单。 它可以导航 Web 接口、提取和输入结构化或非结构化数据、自动化工作流，并强制实施与安全策略的合规性。 通过了解意向并相应地执行作，它简化了业务运营，使自动化更易于访问和高效。

Azure OpenAI 服务中的映像生成 API

The DALL·E 2，DALL·E 3 和 GPT-image-1 API 使用自然语言提示生成新内容。 这些模型是在一对图像和相应标题上训练的，这些标题是从公开可用的源和其他 OpenAI 许可的源中提取的。

这些生成式 AI 模型为开发人员、艺术家、设计师、教师和其他人员提供了无数的机会。 模型可以弥合可以想象的内容和可以创建的内容之间的差距。 它们允许文本提示和图像之间进行跨域、全面的理解和零样本翻译，通常具有高度的真实性。

Azure OpenAI 映像生成 API 的主要功能包括：

• 文本到图像：模型采用文本提示来生成图像。

  示例文本提示	生成的图像示例
  “西雅图天际线的水彩画”

  Tip

  不希望自己的描绘被生成的公众人物可以通过发送电子邮件到 support@openai.com 来选择退出。

• 提示转换：对于 DALL·E 3 模型：在将提示发送到模型以生成图像之前，系统会向提示应用安全和质量缓解措施。 提示转换可增强提示，目的是生成更多样化、更高质量的图像。

  提示转换将应用于每个 Azure OpenAI DALL·E 3 生成。

  将提示转换应用到原始提示后，内容筛选将作为图像生成前的辅助步骤应用;有关详细信息，请参阅 内容筛选 。

  在 OpenAI 文档中了解有关图像生成提示的详细信息。

  示例文本提示	没有提示转换的生成图像的示例	包含提示转换的生成图像的示例
  “西雅图天际线的水彩画”

• 图像到图像：对于 GPT-image-1 模型：模型采用一个图像和文本提示，并根据文本指令生成一个新图像或更改的图像。

• 修复：对于 GPT-image-1 模型：模型采用一个图像和掩码（使用透明像素定义焦点区域的图像）以及文本说明，并仅在指示区域中生成新内容。 这用于更正或完成图像等任务，或者创造性地更改它们，同时保持周围的上下文一致。

Azure OpenAI 服务中支持视觉的聊天 API

GPT-4 Turbo with Vision 和 GPT-4o 使用自然语言和图像提示来生成自然语言或代码响应。 模型仅接受文本、图像和交错的文本和图像输入。 这些模型是 GPT 系列的一部分，是 GPT-4 的扩展。

Azure AI 视觉服务为 GPT-4 Turbo 视觉预览版提供视频增强功能，支持视频输入以生成自然语言或代码响应。 此功能在最新发布的带视觉功能的 GPT-4 Turbo 模型中不可用。

示例提示	示例补全
“这用于什么？	这些都是西红柿。 它们通常用作各种菜肴的食物成分，无论是生的还是煮熟的。 西红柿可用于沙拉、三明治、酱汁、汤、果汁和其他许多烹饪应用。 它们还以其丰富的营养成分而闻名，包括维生素、矿物质和抗氧化剂。
如何使用 要这样做？	可以按照以下常规步骤使用西红柿做番茄汤： Ingredients: Tomatoes Onion Garlic 橄榄油或黄油 鸡肉或蔬菜汤 Salt Pepper 可选：草药，如 basil、oregano 或 thyme Instructions: Preparation: 彻底洗西红柿。 将西红柿切成半或四分之一。 剥皮和切碎洋葱和大蒜...

Azure OpenAI 服务中的计算机使用（预览版）

计算机使用模型是基于 GPT-4o 视觉功能的微调版本构建的，通过屏幕截图可以解释图形用户界面（GUI）并与之交互。 通过分析按钮、文本字段和菜单等视觉元素，它可以理解应用程序布局、检测相关的接口组件并相应地执行作。 这可实现 Web 和软件交互的精确自动化，从而允许基于实时视觉上下文执行数据提取、表单完成和工作流执行等任务。

人脸模糊

对于具有视觉的 GPT-4 Turbo、GPT-4o 和包含人员图像或视频的 GPT-4o mini 的输入，系统会在处理前先模糊人脸，以返回请求的结果。

模糊有助于保护涉及的个人和组的隐私，并防止受限用例。 模糊不应该影响你的补全质量，但在某些情况下，你可能会看到系统提到人脸模糊。

Azure OpenAI 服务中的计算机使用（预览版）

计算机使用模型是基于 GPT-4o 视觉功能的微调版本构建的，通过屏幕截图可以解释图形用户界面（GUI）并与之交互。 通过分析按钮、文本字段和菜单等视觉元素，它可以理解应用程序布局、检测相关的接口组件并相应地执行作。 这可实现 Web 和软件交互的精确自动化，从而允许基于实时视觉上下文执行数据提取、表单完成和工作流执行等任务。

gpt-4o-realtime-preview Azure OpenAI 服务中的模型支持高级语音转语音功能，提供实时语音识别、翻译和合成。 GPT-4o 允许在目标语言中将口语输入转换为一致的输出，从而实现流畅的通信。

Azure OpenAI 服务通过实时 API 提供这些功能：

• 处理口语输入以生成口语输出
• 将口语输入翻译成另一种语言
• 转录输入和输出语音

该服务专为语音到语音交互的快速语音处理而设计，以最少的延迟促进实时对话。

Azure OpenAI 服务中的 Whisper 模型支持语音转文本听录和音频文件的翻译。 该模型是在多语言和多任务监督数据上训练的，这些数据是从 Internet 收集的。 这些大型和多样化的数据集提高了对口音、背景噪音和技术语言等属性的稳定性，同时支持多种语言的听录，以及翻译成英语。

Azure OpenAI 服务通过两个 REST API 提供这些功能：

• 转录提供的音频文件
• 将提供的音频文件翻译成英语

该服务提供同步处理单个音频文件的功能。 这限制于小于 15 到 30 分钟的音频，具体时间取决于音频压缩。

该服务提供高度可读的脚本，这些脚本通常消除不一致，并提供更准确的句子边界、标点和大写。 还可以利用提示来根据方案提高模型输出的质量。 有关详细信息 ，请参阅改进系统信息的最佳做法 。

有关 4o 模型功能的详细信息，请参阅 OpenAI 4o 系统卡。

预期用途

文本模型可在多个方案中使用。 以下列表并不全面，但它说明了可针对具有适当缓解措施的模型支持的任务多样性：

• 聊天和聊天交互 ：用户可以与聊天代理进行交互，该代理响应来自受信任文档（例如内部公司文档或技术支持文档）的响应。 对话必须仅限于回答范围内的问题。
• 聊天和聊天创建 ：用户可以创建一个对话代理，该代理使用来自受信任文档（例如内部公司文档或技术支持文档）的响应做出响应。 对话必须仅限于回答范围内的问题。
• 代码生成或转换方案 ：例如，将一种编程语言转换为另一种编程语言，为函数生成文档字符串，将自然语言转换为 SQL。
• 记者内容 ：用于创建新的新闻内容或重写用户提交的新闻内容，作为预定义主题的写作帮助。 用户不能将应用程序用作所有主题的常规内容创建工具。
• 问答 ：用户可以提问并从受信任的源文档（如内部公司文档）接收答案。 应用程序不会生成与受信任的源文档无关的答案。
• 结构化和非结构化数据的原因 ：用户可以使用分类、文本情绪分析或实体提取来分析输入。 示例包括分析产品反馈情绪、分析支持电话和通话记录，以及使用嵌入优化基于文本的搜索。
• 搜索 ：用户可以搜索受信任的源文档，例如内部公司文档。 应用程序不会生成没有受信任的源文档支持的结果。
• 摘要 ：用户可以提交内容以汇总应用程序中内置的预定义主题，并且不能将应用程序用作开放式摘要生成器。 示例包括内部公司文档摘要、呼叫中心脚本、技术报告和产品评审。
• 撰写有关特定主题的帮助 ：用户可以创建新内容或重写用户提交的内容，作为业务内容或预定义主题的写作帮助。 用户只能针对特定业务目的或预定义主题重写或创建内容，并且不能将应用程序用作所有主题的常规内容创建工具。 业务内容的示例包括建议和报表。 有关新闻用途，请参阅上述 新闻内容 用例。
• 用于微调的数据生成：用户可以使用 Azure OpenAI 中的模型来生成仅用于微调另一个 Azure OpenAI 模型（i）的数据，使用 Azure OpenAI 的微调功能，以及/或（ii）另一个 Azure AI 自定义模型，使用 Azure AI 服务的微调功能。 生成数据和微调模型仅限于内部用户;微调的模型只能用于在适用的 Azure AI 服务中推断，对于 Azure OpenAI 服务，仅适用于此表单下客户允许的用例（s）。

微调用例

下面是建议用于微调模型的附加用例。 微调最适合于：

• 通过所需响应的示例，在风格、格式、语气或定性方面引导响应。
• 确保模型可靠地生成所需的输出 ，例如以特定格式提供响应或确保响应以提示中的信息为依据。
• 包含许多边缘案例的用例，无法涵盖在提示中的示例内，例如复杂的自然语言到代码示例。
• 提高特定技能或任务（ 如分类、摘要或格式设置）的能力，这可能在一个提示中难以描述。
• 通过利用较短的提示，或将更小/更快的模型的微调版本替换为更通用的模型（例如 GPT-4 的微调 GPT-3.5-Turbo）来降低成本或延迟。

与基本模型一样， Azure OpenAI 行为准则 中概述的用例禁止也适用于微调的模型。

在需要将模型扩展以包括域外信息，强调可解释性或基础性，或基础数据频繁更新的情况下，不建议仅进行微调。

推理模型用例

推理模型的高级推理功能可能最适合用于科学、编码、数学和类似领域的推理密集型用途。 特定用例可能包括：

• 复杂的代码生成、分析和优化：算法生成和高级编码任务可帮助开发人员执行多步骤工作流，更好地了解代码开发中执行的步骤。
• 高级问题解决：全面的集思广益、战略开发和分解多方面问题。
• 复杂的文档比较：分析合同、案例文件或法律文档，以区分文档内容中的细微差异。
• 指令遵循和工作流管理：处理需要较简短上下文的工作流。

有关预期用途的更多详细信息，请访问 OpenAI o1 系统卡、 o3-mini 系统卡、 o3/o4-mini 系统卡和 GPT-5 系统卡。

深入研究用例

深度研究模型是 o 系列推理模型的微调版本，旨在采用高级查询并返回结构化、引文丰富的报告。 模型在返回最终响应之前，会在多个迭代中创建子查询并从 Web 搜索中收集信息。 用例可能包括以下内容，并有足够的人工监督：

• 复杂的研究和文学评论：合成数百篇论文的发现，识别研究中的差距或矛盾，提出新的假设或研究方向。
• 科学发现和假设生成：探索跨学科的发现、生成可测试的假设或实验设计之间的连接，以帮助解释原始实验数据。
• 高级技术问题解决：调试复杂系统（例如分布式软件、机器人）、设计新算法或体系结构，以及解决高级数学或物理问题。
• 增强长期规划：帮助高管或研究人员规划 10 年的技术路线图，在 AI 安全、生物安全或气候中建模远程方案，评估决策的二阶和第三阶影响。

深入研究模型可用作 Azure AI 代理 服务中的工具。 有关预期用途的更多详细信息，请参阅 OpenAI 深度研究系统卡。

Azure OpenAI 评估用例

Azure OpenAI 评估是一项纯文本功能，不能用于支持非文本输入的模型。 Evals 可用于多个方案，包括但不限于：

• 文本匹配/比较评估：对于用户想要检查输出是否与预期字符串匹配的情况非常有用。 用户还可以比较两组值并评分关系。 示例包括但不限于将答案与答案键进行比较的多项选择题和字符串验证。
• 文本质量：文本质量使用 Bleu、Rouge 或余弦算法等方法评估响应质量，并广泛使用各种自然语言处理任务，例如机器翻译、文本摘要和文本生成等。
• 基于分类的评估：基于分类的评估通过将响应分配给预定义的类别或标签，或通过将模型的输出与引用的正确答案集进行比较来评估模型的性能。 自动评分、情绪分析和产品分类是一些常见用例之一。
• 对话质量评估：对话质量评估涉及使用详细的思考链（CoT）提示将响应与预定义标准进行比较。 常见用例包括客户支持、聊天机器人开发和教育评估等。
• 基于条件的评估：基于条件的评估的一种常见方案是事实性。 评估事实准确性涉及将提交的答案与专家答案进行比较，仅侧重于事实内容。 这在教育工具中非常有用，以提高 LLM 提供的答案的准确性，或在研究帮助工具中评估 LLM 在学术设置中生成的响应的事实准确性。
• 字符串有效性评估：一种常见方案是检查模型的响应是否遵循特定架构或有效的 JSON 或 XML 内容。

计算机使用（预览版）用例

计算机使用的功能最适合开发可以自主与 GUI 交互的代理 AI 系统。 特定用例可能包括：

• 自动化 Web 导航和交互：自主导航基于 Web 的界面导航，从受信任的源（例如内部公司资源或结构化数据库）检索和呈现信息。 该模型遵循预定义的导航规则来提取相关数据，同时确保符合安全策略。

• Web-Based 任务自动化：自动执行基于 Web 的重复任务，例如填写表单、提交数据或与 Web 应用程序交互。 计算机使用可以单击按钮、输入文本和处理结构化数据，但只能在授权的工作流和域中运行。

• 结构化和非结构化数据提取：从结构化源（如表和电子表格）提取相关数据，以及非结构化源（如 PDF、扫描的文档或电子邮件）。 此功能对于财务数据处理、合同分析或客户支持票证分类等任务非常有用。

• 自动表单填充和数据输入：从结构化数据库或用户输入中提取信息，并使用它填充基于 Web 的表单。 这可用于自动执行客户服务请求、HR 流程或 CRM 更新，同时确保数据处理的准确性和一致性。

• Web-Based 图像分析：分析网页上找到的图像以检测和标记对象、场景或相关模式。 计算机使用可以提取视觉信息来支持清单管理、文档处理或对象分类等应用程序。

• 交互式视觉搜索和识别：帮助用户通过结构化搜索查找相关视觉内容。 例如，计算机使用可以识别电子商务目录中的产品、识别旅行应用程序中的地标，或根据预定义的条件从数字存档中检索特定图像。

• 自动合规性和策略检查：扫描基于 Web 的内容，例如上传的文件、合同或内部文档，以遵守预定义的符合性规则。 计算机使用可以标记缺少的信息、不一致或潜在的违规行为，以帮助在组织内强制实施法规标准。

• 适用于业务应用程序的自动化工作流执行：定义用于导航企业应用程序的多步骤工作流，例如生成报表、更新记录或检索分析。 计算机使用遵循业务工具中的预定义步骤，并遵循访问控制策略以确保安全执行。

选择用例时的注意事项

我们鼓励客户在其创新解决方案或应用程序中使用 Azure OpenAI GPT-4、o 系列、GPT-3、Codex 和计算机使用模型，这些模型在 受限访问注册表单中获得批准。 但是，以下是选择用例时的一些注意事项：

• 不适合开放、不受约束的内容生成。 用户在任何主题下都能生成内容的场景更容易产生冒犯性或有害的文本。 这同样适用于更长的世代。
• 不适合最新的、事实上准确的信息至关重要的场景，除非你有人工审查者，或者正在使用模型搜索自己的文档，并且已经验证了适合你的场景。 该服务没有有关其训练日期后发生的事件的信息，可能缺少有关某些主题的知识，并且可能并不总是生成事实准确的信息。
• 避免使用或滥用系统可能导致对个人造成重大身体或心理伤害的情况。 例如，诊断患者或开药的场景可能会造成重大伤害。 将有意义的人工审查和监督纳入方案有助于降低有害结果的风险。
• 避免使用或滥用系统可能对生命机会或法律地位产生重大影响的情况。 示例包括 AI 系统可能影响个人的法律地位、法律权利或其获得信贷、教育、就业、医疗保健、住房、保险、社会福利权益、服务、机会或提供这些服务的条款的场景。 将有意义的人工审查和监督纳入方案有助于降低有害结果的风险。
• 避免可能导致伤害的高风险场景。 Azure OpenAI 服务托管的模型反映了训练数据或提示中提供的示例的某些社会观点、偏见和其他不良内容。 因此，我们建议不要在高风险环境中使用这些模型，那里不公平、不可靠或冒犯的行为可能带来极高代价或导致伤害。 将有意义的人工审查和监督纳入方案有助于降低有害结果的风险。
• 仔细考虑高风险领域或行业的用例： 示例包括但不限于医疗保健、医学、金融或法律。
• 仔细考虑明确界定的聊天机器人场景。 将聊天机器人中的服务使用限制为窄域可降低生成意外或不需要的响应的风险。
• 仔细考虑所有生成性用例。 内容生成方案可能更可能生成意外输出，这些方案需要仔细考虑和缓解。
• 法律和法规注意事项：组织在使用任何 AI 服务和解决方案时需要评估潜在的特定法律和监管义务，这些义务可能不适合在每个行业或方案中使用。 此外，AI 服务或解决方案并非设计用于适用服务条款和相关行为准则所禁止的用途，也不得以其中所禁止的方式使用。

在为计算机使用选择用例时，除了上面列出的注意事项外，用户还应考虑以下注意事项：

• 避免发生不可逆转或后果严重的情形：这些行为包括但不限于发送电子邮件（例如发送给错误的收件人）、修改或删除对您重要的文件、进行财务交易或直接与外部服务交互、公开共享敏感信息、授予对关键系统的访问权限的能力，或执行可能更改系统功能或安全性的命令。
• 高级使用的性能降低：计算机使用最适合使用 GUI 完成任务的用例，例如访问网站和计算机桌面。 它可能无法很好地执行更高级的任务，如编辑代码、编写大量文本和做出复杂的决策。
• 确保足够的人工监督和控制。 考虑包括控制以帮助用户及时验证、审查和/或批准操作，例如这可能包括审查计划的任务或对外部数据源的调用（视你的系统而定）。 请考虑包括对系统故障进行充分用户修正的控制，尤其是在高风险方案和用例中。
• 明确定义动作和相关要求。 明确定义哪些行为是允许的（行为边界）、禁止的或需要显式授权，可能有助于计算机使用能够按预期运行，并具有适当的人工监督级别。
• 明确定义预期的作环境。 明确定义“计算机使用”旨在高效执行的预期操作环境（域边界）。
• 在决策时确保适当的可理解性。 在操作之前、期间和之后向用户提供信息，可能有助于他们了解操作的理由、为何执行某些操作、应用程序的行为方式、何时何地可以进行干预以及如何解决问题。
• 有关进一步的信息，请参阅“培养对生成式 AI 的适当依赖”指南。

在选择深入研究用例时，除了上面列出的注意事项外，用户还应考虑以下注意事项：

• 确保适当的人工监督和控制：提供机制来帮助确保用户查看深入的研究报告并验证引用的源和内容。
• 检查是否存在涉及版权所有内容的引文：深度研究工具在准备回复时会进行网页搜索，并可能引用受版权保护的材料。 检查报告中包含的源引文，并确保正确使用和属性受版权保护的材料。

预期用例

Azure OpenAI 中的 DALL·E 和 GPT-image-1

Azure OpenAI 服务中的 DALL·E 和 GPT-image-1 API 可用于各种图像生成场景。 以下列表并不全面，但它说明了可通过适当的缓解措施支持的任务多样性。

• 辅助功能： 用于生成基于图像的视觉说明。
• 艺术和设计： 用于生成图像，仅用于艺术目的，用于设计、艺术灵感、情绪板或设计布局。
• 通信： 用于为与业务相关的通信、文档、文章、新闻稿、博客文章、社交媒体或备忘录创建图像。
• 教育： 用于创建图像，用于增强或交互式学习材料，用于教育机构或专业培训。
• 娱乐： 用于创建图像来增强娱乐内容，如视频游戏、电影、电视、视频、录制的音乐、播客、有声书或扩展或虚拟现实。
• 新闻内容： 用于创建图像来增强新闻内容。
• 营销： 用于为产品或服务媒体、产品说明、商业促销或广告创建营销材料。 不应用于创建个性化或面向个人的广告。
• 原型制作和概念开发： 用于为产品或服务的象形或可视化生成图像。 此用法仅适用于上述方案的上下文。

Azure OpenAI 中的 GPT-4 Turbo with Vision 和 GPT-4o

• 聊天和聊天交互：用户可以与聊天代理进行交互，该代理使用来自受信任文档（如内部公司文档或技术支持文档）中的信息做出响应。 对话必须仅限于回答范围内的问题。
• 聊天机器人和聊天代理创建：用户可以创建聊天代理，以响应来自受信任文档（例如内部公司文档或技术支持文档）的信息。 例如，技术文档中的关系图、图表和其他相关图像可以增强理解，并提供更准确的响应。 对话必须仅限于回答范围内的问题。
• 代码生成或转换方案：将一种编程语言转换为另一种编程语言，或者允许用户使用自然语言或视觉输入生成代码。 例如，用户可以拍摄手写伪代码的照片或说明编码概念的关系图，并使用应用程序基于该材料生成代码。
• 结构化和非结构化数据的原因：用户可以使用分类、文本情绪分析或实体提取来分析输入。 用户可以与文本查询一起提供图像以供分析。
• 摘要：用户可以提交内容来汇总应用程序中内置的预定义主题，并且不能将应用程序用作开放式摘要生成器。 示例包括内部公司文档摘要、呼叫中心脚本、技术报告和产品评审。
• 撰写有关特定主题的帮助：用户可以创建新内容或重写用户提交的内容，作为业务内容或预定义主题的写作帮助。 用户只能针对特定业务目的或预定义主题重写或创建内容，并且不能将应用程序用作所有主题的常规内容创建工具。 业务内容的示例包括建议和报表。
• 图像标记：用户可以检测和标记视觉元素，包括对象、生物、风景和图像中的作。 该服务不打算使用，不能用于标识个人或验证单个标识。
• 图像说明：用户可以为视觉对象生成描述性自然语言标题。 除了简单的说明外，应用程序还可以识别并提供有关照片中特定主题或地标的文本见解。 如果显示埃菲尔铁塔的图像，系统可能会提供简洁的描述或突出显示有关纪念碑的耐人寻味的事实。 该服务可能不用于标识或验证单个标识。
• 对象检测：用于通过提供其特定坐标来确定图像中单个或多个对象的位置。 例如，在分散了苹果的图像中，应用程序可以识别和指示每个苹果的位置。 通过此应用程序，用户可以获取有关图像中捕获的对象的空间见解。 该服务可能不用于标识或验证单个标识。
• 视觉问题解答：用户可以询问有关图像的问题，并接收上下文相关的响应。 例如，当显示一只鸟的图片时，用户可能会问，“这是什么样的鸟？”，并收到一个类似“这是欧洲罗宾”的回应。应用程序可以识别和解释图像中的上下文以回答查询。 例如，如果显示拥挤市场的图像，用户可以问，“有多少人戴帽子？”或“供应商销售的水果是什么？”，应用程序可以提供答案。 系统不应用于回答有关人员的问题。
• 品牌和地标识别：应用程序可用于识别来自数千个全球徽标和地标的预设数据库中的图像或视频中的商业品牌和热门地标。

计算机使用（预览版）用例

计算机使用的功能最适合开发可以自主与 GUI 交互的代理 AI 系统。 特定用例可能包括：

• 自动化 Web 导航和交互：自主导航基于 Web 的界面导航，从受信任的源（例如内部公司资源或结构化数据库）检索和呈现信息。 该模型遵循预定义的导航规则来提取相关数据，同时确保符合安全策略。

• Web-Based 任务自动化：自动执行基于 Web 的重复任务，例如填写表单、提交数据或与 Web 应用程序交互。 计算机使用可以单击按钮、输入文本和处理结构化数据，但只能在授权的工作流和域中运行。

• 结构化和非结构化数据提取：从结构化源（如表和电子表格）提取相关数据，以及非结构化源（如 PDF、扫描的文档或电子邮件）。 此功能对于财务数据处理、合同分析或客户支持票证分类等任务非常有用。

• 自动表单填充和数据输入：从结构化数据库或用户输入中提取信息，并使用它填充基于 Web 的表单。 这可用于自动执行客户服务请求、HR 流程或 CRM 更新，同时确保数据处理的准确性和一致性。

• Web-Based 图像分析：分析网页上找到的图像以检测和标记对象、场景或相关模式。 计算机使用可以提取视觉信息来支持清单管理、文档处理或对象分类等应用程序。

• 交互式视觉搜索和识别：帮助用户通过结构化搜索查找相关视觉内容。 例如，计算机使用可以识别电子商务目录中的产品、识别旅行应用程序中的地标，或根据预定义的条件从数字存档中检索特定图像。

• 自动合规性和策略检查：扫描基于 Web 的内容，例如上传的文件、合同或内部文档，以遵守预定义的符合性规则。 计算机使用可以标记缺少的信息、不一致或潜在的违规行为，以帮助在组织内强制实施法规标准。

• 适用于业务应用程序的自动化工作流执行：定义用于导航企业应用程序的多步骤工作流，例如生成报表、更新记录或检索分析。 计算机使用遵循业务工具中的预定义步骤，并遵循访问控制策略以确保安全执行。

选择用例时的注意事项

我们鼓励客户在其有限访问注册表单中批准的创新解决方案或应用程序中使用 Azure OpenAI DALL E 2、DALL E 3、GPT-4 Turbo with Vision、GPT-4o 和“计算机使用”模型。 但是，以下是选择用例时的一些注意事项：

• 请勿用于跟踪或面部识别、识别或验证目的。 示例包括使用模型监视个人，以及使用模型来验证两个在两个单独的位置中拍摄的两个人是同一个人。
• 不适合最新的、事实上准确的信息至关重要的场景，除非你有人工审查者，或者正在使用模型搜索自己的文档，并且已经验证了适合你的场景。 该服务没有有关其训练日期后发生的事件的信息，可能缺少有关某些主题的知识，并且可能并不总是生成事实准确的信息。
• 避免使用或滥用系统可能对生命机会或法律地位产生重大影响的情况。 示例包括 AI 系统可能会影响个人的法律地位、法律权利，或是其获得信贷、教育、就业、医疗保健、住房、保险、社会福利、服务、机会的可能性，以及这些权利和服务的条款。
• 避免可能导致伤害的高风险方案。 Azure OpenAI 服务托管的模型可能会反映训练数据或提示中提供的示例中存在的某些社会观点、偏见和其他不良内容。 因此，我们警告不要在高风险场景中使用模型，在这种情况下，不公平、不可靠或冒犯行为可能极其昂贵或导致伤害。
• 避免使用或滥用系统可能会传播有关敏感主题或人员的虚假叙述的情况。 示例包括创建和分发深度伪造的合成媒体、关于高度敏感事件的错误信息，以及在反映虚假叙述的情况下生成真实人物的照片般逼真的图像。
• 仔细考虑允许开放、不受约束的内容生成的方案。 用户可以在任何主题上生成内容的方案更有可能产生冒犯性、有害或误导性的内容。
• 仔细考虑涉及使用已发布作品的已知艺术家风格生成媒体的方案。 例如，在某些情况下，用户可能会分发生成的内容，该内容采用一位拥有原始艺术知识产权的艺术家的风格。 此类案件可能会对艺术家的机会产生法律后果或后果性影响。 请考虑为艺术家创建一个过程，以限制在产品或服务中与其名称关联的图像的创建。
• 仔细考虑涉及生成包含真实人的图像的方案。 包含真人图像的内容可能以被滥用，可能对生活机会、法律地位以及公众的看法和信任产生负面影响。 在生成真实人物、已故者或类似形象的图像时，请谨慎行事。
• 仔细考虑高风险域或行业中的所有用例： 示例包括但不限于医疗保健、教育、金融和法律。
• 法律和法规注意事项：组织在使用任何 AI 服务和解决方案时需要评估潜在的特定法律和监管义务，这些义务可能不适合在每个行业或方案中使用。 此外，AI 服务或解决方案并非设计用于适用服务条款和相关行为准则所禁止的用途，也不得以其中所禁止的方式使用。

在为计算机使用选择用例时，除了上面列出的注意事项外，用户还应考虑以下注意事项：

• 避免发生不可逆转或后果严重的情形：这些行为包括但不限于发送电子邮件（例如发送给错误的收件人）、修改或删除对您重要的文件、进行财务交易或直接与外部服务交互、公开共享敏感信息、授予对关键系统的访问权限的能力，或执行可能更改系统功能或安全性的命令。

• 高级使用的性能降低：计算机使用最适合使用 GUI 完成任务的用例，例如访问网站和计算机桌面。 它可能无法很好地执行更高级的任务，如编辑代码、编写大量文本和做出复杂的决策。

• 确保足够的人工监督和控制。 考虑包括控制以帮助用户及时验证、审查和/或批准操作，例如这可能包括审查计划的任务或对外部数据源的调用（视你的系统而定）。 请考虑包括对系统故障进行充分用户修正的控制，尤其是在高风险方案和用例中。

• 明确定义动作和相关要求。 明确定义哪些行为是允许的（行为边界）、禁止的或需要显式授权，可能有助于计算机使用能够按预期运行，并具有适当的人工监督级别。

• 明确定义预期的作环境。 明确定义“计算机使用”旨在高效执行的预期操作环境（域边界）。

• 在决策时确保适当的可理解性。 在操作之前、期间和之后向用户提供信息，可能有助于他们了解操作的理由、为何执行某些操作、应用程序的行为方式、何时何地可以进行干预以及如何解决问题。

预期用途

该 gpt-4o-realtime-preview 模型可用于各种自然语言处理任务，其方式与现有的 GPT 模型类似。 但是，此模型专门面向语音和音频用例。 此模型支持的任务示例包括但不限于以下各项：

• 语音聊天创建和交互：用户可以创建语音聊天，并使用聊天代理来响应语音功能。
• 语言翻译：用户可以在对话期间实时翻译语言。 子标题可以由实时输入和输出音频转录支持。 语言可支持性与现有的 gpt-4o 模型版本一致。
• 问答：用户可以提出书面和/或口语问题，并从模型接收口述答案。
• 内容生成：用户可以从用户定义的输入创建新的音频内容。 该模型将检查并防止创建受版权保护的材料或模拟语音。

有关 4o 模型功能的详细信息，请参阅 OpenAI 4o 系统卡。

Azure OpenAI 服务中的 Whisper 模型可用于各种语音识别和语音翻译任务。 以下列表并不全面，但它说明了可通过适当的缓解措施支持的任务多样性。

• 听写： 用户可以以音频文件的形式将口语转录为文本。 例如，用户可以使用该服务将呼叫中心录制内容转录为报表。
• 字幕或听录： 用户可以将音频文件转录为文本，以便进行自然语言理解或分析任务，例如摘要和情绪分析。 示例包括语音作为对话系统的输入、使音频内容更易于访问或创建要分析的文本翻译。
• 译本： 用户可以将多语言音频文件翻译成英语。 在多语言方案中，这可能特别具有吸引力。

选择用例时的注意事项

我们鼓励客户在其创新解决方案或应用程序中使用 Azure OpenAI 服务中的gpt-4o-realtime-preview和 Whisper 模型。 下面是选择用例时的一些注意事项：

• 避免使用或滥用系统可能会对生命机会或法律地位产生重大影响的情况。 示例包括 AI 系统可能影响个人的法律地位、法律权利或其获得信贷、教育、就业、医疗保健、住房、保险、社会福利权益、服务、机会或提供这些项的条款的场景。
• 仔细考虑高风险域或行业中的所有用例： 示例包括但不限于医疗保健、教育、金融和法律。
• Azure 语音服务中的低语： OpenAI Whisper 模型在 Azure AI 语音服务中也可用，通过多语言识别和可读性等高级功能增强体验。 根据你的场景，可以探索 Azure 语音服务及该服务的其他功能，例如说话人分割、自定义或每个请求处理多个音频文件。
• 法律和法规注意事项：组织在使用任何 AI 服务和解决方案时需要评估潜在的特定法律和监管义务，这些义务可能不适合在每个行业或方案中使用。 此外，AI 服务或解决方案并非设计用于适用服务条款和相关行为准则所禁止的用途，也不得以其中所禁止的方式使用。

• 在设计提示时显示并告知。 使用自然语言模型和语音模型，通过说明、示例或两者的组合，清楚地了解模型所需的输出类型。 如果希望模型按字母顺序对项目列表进行排名，或按情绪对段落进行分类，请显示所需模型。
• 让应用程序保持专注于主题。 仔细构造提示和图像输入，以减少生成不需要的内容的机会，即使用户尝试将其用于此目的。 例如，你可能会在提示中指示聊天机器人只参与有关数学的对话，否则回答“我很抱歉。 恐怕我不能回答。将“礼貌”等形容词和所需语气中的示例添加到提示中也有助于引导输出。
• 提供质量数据。 使用文本和代码模型时，如果尝试生成分类器或获取模型以遵循模式，请确保有足够的示例。 请务必校对示例进行校对 — 模型通常能够处理基本拼写错误并提供响应，但也可能会假定错误是有意的，可能会影响响应。 提供高质量的数据还包括为模型提供可靠的数据，以便从聊天和问答系统中生成响应。
• 提供受信任的数据。 在系统中检索或上传不受信任的数据可能会损害系统或应用程序的安全性。 若要在适用的应用程序中（包括使用助手 API 的应用程序）中缓解这些风险，我们建议记录和监视 LLM 交互（输入/输出），以检测和分析潜在的提示注入，明确划定用户输入，以最大程度地降低提示注入的风险，限制 LLM 对敏感资源的访问，将功能限制为最低要求，并将其与关键系统和资源隔离。 在 大型语言模型的安全指南中了解其他缓解方法 |Microsoft Learn。
• 配置参数以提高响应的准确性或基础性。 使用从受信任的来源中检索到的数据——例如通过使用 Azure OpenAI 的“基于您的数据”功能——来扩充提示，可以减少生成不准确回复或虚假信息的可能性，但无法完全消除这种可能性。 为了进一步提高响应的准确性，可以采取的步骤包括仔细选择受信任的和相关数据源，并配置自定义参数，例如“严格性”、“限制对数据内容的响应数”和“要考虑的已检索文档数”（适合用例或方案）。 详细了解如何为 Azure OpenAI 在您的数据上 配置这些设置。
• 限制输入和输出的长度、结构和速率。 限制输入和输出的长度或结构可以增加应用程序在任务上保持的可能性，并能在一定程度上缓解任何潜在的不公平、不可靠或冒犯行为。 降低滥用风险的其他选项包括（i）限制输入源（例如，将输入限制到特定域或经过身份验证的用户，而不是对 Internet 上的任何人开放）和（ii）实施使用速率限制。
• 鼓励在发布或传播之前对输出进行人工审查。 使用生成 AI 时，生成内容可能会令人反感或与手头的任务无关，即使存在缓解措施。 为了确保生成的输出满足用户的任务，请考虑构建方法来提醒用户在广泛共享之前查看其输出的质量。 这种做法可以减少许多不同的伤害，包括冒犯性材料、造谣等。
• 实现其他特定于场景的缓解措施。 请参阅 评估和集成 Azure OpenAI 以供使用 中概述的缓解措施，包括内容审核策略。 这些建议并不代表为您的应用程序所需的所有缓解措施。 较新的模型（如 GPT-4o 和推理模型）可能会在敏感方案中提供响应，并且更有可能尝试减少响应中的潜在有害输出，而不是拒绝完全响应。 在评估并集成用例的内容审核时，请务必了解这种行为；根据具体用例，可能需要调整筛选的严重程度。
• 避免触发强制安全措施。 Azure 直接模型可能具有安全措施，以防止安全漏洞，包括原始 CoT 和生物安全内容的输出。 以某种方式使用模型，以创建安全攻击或逃避或试图逃避对模型的保护，包括通过规避这些安全措施，违反了联机服务的可接受使用策略，并可能导致暂停。 有关最佳做法的更多详细信息，请访问 OpenAI o1 系统卡、 o3-mini 系统卡、 o3/o4-mini 系统卡和 GPT-5 系统卡。

有关微调的最佳做法和建议

为了缓解 Azure OpenAI 上微调模型的风险和限制，我们建议客户遵循一些最佳做法和准则，例如：

• 数据选择和预处理：客户应仔细选择和预处理其数据，以确保它与预期任务和域相关、多样化和均衡。 客户还应从数据（如姓名、地址或电子邮件地址）中删除或匿名处理任何敏感或个人信息，以保护数据主体的隐私和安全性。 客户还应检查和更正数据中的任何错误或不一致，例如拼写、语法或格式设置，以提高数据质量和可读性。
• 在训练数据中包含用于聊天补全格式模型的系统消息，以引导响应，并在使用微调模型进行推理时使用相同的系统消息。 将系统消息留空往往产生低准确度微调模型，在推理时忘记包含相同的系统消息可能会导致优化模型还原为基本模型的行为。
• 模型评估和测试：客户应评估并测试 各种输入和方案的微调模型的性能和稳定性，并将其与原始模型和其他基线进行比较。 客户还应使用适当的指标和标准来衡量模型的准确性、可靠性和公平性，并确定模型输出和行为中的任何潜在错误或偏差。
• 模型文档和通信：客户应记录和传达模型的目的、范围、限制和假设，并为模型的最终用户提供清晰准确的信息和指导。

• 让应用程序保持专注于主题。 使用图像生成模型，你可能会在提示或图像输入中指示应用程序仅生成概念映像。 否则，它可能会生成一个弹出通知，说明该应用程序不用于逼真效果或表现现实。 考虑将用户推入可接受的查询和图像输入，方法是提前列出此类示例，或者在收到主题外请求时提供这些示例作为建议。 请考虑训练一个分类器，以确定输入（提示或图像）是否与主题相关。
• 配置参数以提高响应的准确性或基础性。 使用从受信任的来源中检索到的数据——例如通过使用 Azure OpenAI 的“基于您的数据”功能——来扩充提示，可以减少生成不准确回复或虚假信息的可能性，但无法完全消除这种可能性。 为了进一步提高响应的准确性，可以采取的步骤包括仔细选择受信任的和相关数据源，并配置自定义参数，例如“严格性”、“限制对数据内容的响应数”和“要考虑的已检索文档数”（适合用例或方案）。 详细了解如何为 Azure OpenAI 在您的数据上 配置这些设置。
• 限制输入和输出的长度、结构和速率。 限制输入和输出的长度或结构可以增加应用程序在任务上保持的可能性，并能在一定程度上缓解任何潜在的不公平、不可靠或冒犯行为。 降低滥用风险的其他选项包括（i）限制输入源（例如，将输入限制到特定域或经过身份验证的用户，而不是对 Internet 上的任何人开放）和（ii）实施使用速率限制。
• 鼓励在发布或传播之前对输出进行人工审查。 使用生成 AI 时，生成内容可能会令人反感或与手头的任务无关，即使存在缓解措施。 为了确保生成的输出满足用户的任务，请考虑构建方法来提醒用户在广泛共享之前查看其输出的质量。 这种做法可以减少许多不同的伤害，包括冒犯性材料、造谣等。
• 实现其他特定于场景的缓解措施。 请参阅 评估和集成 Azure OpenAI 以供使用 中概述的缓解措施，包括内容审核策略。 这些建议并不代表为您的应用程序所需的所有缓解措施。 较新的模型（如 GPT-4o 和推理模型）可能会在敏感方案中提供响应，并且更有可能尝试减少响应中的潜在有害输出，而不是拒绝完全响应。 在评估并集成用例的内容审核时，请务必了解这种行为；根据具体用例，可能需要调整筛选的严重程度。

• 在设计提示时显示并告知。 使用自然语言模型和语音模型，通过说明、示例或两者的组合，清楚地了解模型所需的输出类型。 如果希望模型按字母顺序对项目列表进行排名，或按情绪对段落进行分类，请显示所需模型。
  • Azure OpenAI 服务中的 Whisper 模型提示 可以帮助改进模型输出。 以下最佳做法将帮助你创建最适合你的方案和需求的提示。
    • 请考虑包括提示以指示模型更正模型在音频中经常错误识别的特定字词或首字母缩略词。
    • 若要保留已拆分为段的文件的上下文，可以使用前面的段的脚本提示模型。 此提示将使脚本更准确，因为模型将使用上一音频中的相关信息。 模型将仅考虑提示的最后 224 个令牌，并忽略之前的任何标记。
    • 模型可能会跳过脚本中的标点符号。 请考虑使用一个简单的提示, 指示模型包含标点符号。
    • 模型可能还会省略常见的填充词，例如，音频中的 hmmm、um 等。 如果你想在文字记录中保留填充词，可以添加包含这些词的提示。
    • 某些语言可以采用不同的方式编写，例如简体中文或繁体中文。 默认情况下，该模型可能并不总是使用用户想要用于其脚本的写作样式。 请考虑使用提示来描述首选的写作风格。
• 让应用程序保持专注于主题。 仔细构造提示和图像输入，以减少生成不需要的内容的机会，即使用户尝试将其用于此目的。 例如，你可能会在提示中指示聊天机器人只参与有关数学的对话，否则回答“我很抱歉。 恐怕我不能回答。将“礼貌”等形容词和所需语气中的示例添加到提示中也有助于引导输出。
• 配置参数以提高响应的准确性或基础性。 使用从受信任的来源中检索到的数据——例如通过使用 Azure OpenAI 的“基于您的数据”功能——来扩充提示，可以减少生成不准确回复或虚假信息的可能性，但无法完全消除这种可能性。 为了进一步提高响应的准确性，可以采取的步骤包括仔细选择受信任的和相关数据源，并配置自定义参数，例如“严格性”、“限制对数据内容的响应数”和“要考虑的已检索文档数”（适合用例或方案）。 详细了解如何为 Azure OpenAI 在您的数据上 配置这些设置。
• 度量模型质量。 作为常规模型质量的一部分，除了针对方案的传统准确性度量值外，考虑衡量和改进与公平相关的指标以及与负责任的 AI 相关的其他指标。 在衡量系统的公平性时，请参考类似此清单的资源。 这些度量具有限制，你应当承认并将其与评估结果一起传达给利益相关者。
• 限制输入和输出的长度、结构和速率。 限制输入和输出的长度或结构可以增加应用程序在任务上保持的可能性，并能在一定程度上缓解任何潜在的不公平、不可靠或冒犯行为。 降低滥用风险的其他选项包括（i）限制输入源（例如，将输入限制到特定域或经过身份验证的用户，而不是对 Internet 上的任何人开放）和（ii）实施使用速率限制。
• 鼓励在发布或传播之前对输出进行人工审查。 使用生成 AI 时，生成内容可能会令人反感或与手头的任务无关，即使存在缓解措施。 为了确保生成的输出满足用户的任务，请考虑构建方法来提醒用户在广泛共享之前查看其输出的质量。 这种做法可以减少许多不同的伤害，包括冒犯性材料、造谣等。

执行 Azure OpenAI 评估的步骤包括：

1. 提供评估数据：采用 JSONL 格式上传的平面文件，或基于一系列提示生成数据。
2. 指定测试用例以评估数据：选择一个或多个测试用例，以使用通过/失败的成绩对所提供的数据进行评分。
3. 查看和筛选结果：每个测试都包含通过和失败分数的定义。 评估运行后，用户可以逐行查看结果以便了解个别测试结果，或筛选出通过/未通过的项。

有关如何负责任地评估和集成这些模型的其他信息，请参阅 RAI 概述文档。

有关如何负责任地评估和集成这些模型的其他信息，请参阅 RAI 概述文档。

OpenAI Whisper 模型在 Azure AI 语音服务中也可用，通过多语言识别和可读性等高级功能增强体验。 根据你的使用场景，可以探索 Azure 语音服务 及其其他高级功能，例如对话分离、自定义、实时流式处理或在每个请求中处理多个音频文件。 有关如何负责任地评估和集成 Whisper 模型的其他信息，请参阅 Azure 语音服务透明度说明。