Copilot 调整摘要入门

Copilot 调整摘要会从组织通信风格中呈现的复杂文档生成高质量的摘要。 摘要生成会重述复杂的文档，并且可以生成一致的输出，例如：

• 自动化执行报告
• 业务合同摘要
• 法规和内部文档

当组织拥有大量需要特定样式的一致摘要的文档时，摘要是理想的选择。

可以通过微调为企业自定义Copilot 调整摘要。 Copilot 调整使用作为培训输入提供的基于文本的文档和摘要对，为组织保持一致的通信风格。 它在 Microsoft 365 内特定于租户的隔离环境中运行，尊重企业的隐私承诺。 用户数据在租户中保持隔离，从而保护其他实体的访问。

关键功能

Copilot 调整摘要创建具有以下属性的结构化摘要：

• 基于训练示例提取和重述关键信息
• 维护确定关键信息优先级的原始文档结构
• 组织语音和样式中的摘要

Copilot 调整的核心是使用高级提示和建模技术为组织定制的自定义大型语言模型 (LLM) 。 此模型可确保高效准确的生成摘要，与组织的声音、语气和风格保持一致。

Copilot 调整采用少发、微调和检索增强生成 (RAG) 等训练方法，以提高敏捷性和精度。 这些模型可提高工作效率、确保输出之间的一致性以及与 Microsoft 365 集成，同时降低与特定于域的术语和机密数据相关的风险。

模型训练要求

模型训练过程需要以下格式支持基于文本的文档和摘要对的输入参数：

• .docx
• 具有可选文本) 的 .pdf (
• .aspx格式

训练需要这些原始文档和摘要对，以便使生成的摘要与组织通信风格保持一致。

模型训练设置

Copilot 调整汇总具有简单的模型训练过程：

1. 数据提取：信息来自 SharePoint 等平台。 文档和摘要对被组织成结构化格式，以便进行监督式训练。

2. 数据处理：父表、文档表和目标表用作训练库的数据源。

3. 微调：监督式微调使用提供的文档和摘要对使模型与组织的特定语气和样式保持一致。 验证涉及使用保留的测试数据和性能指标检查关键信息和语气的保留情况。

此训练旨在根据训练示例减少当前预测与所需输出之间的差异。 使用单次传递在文档和摘要对上训练模型。 检索到的数据使用 LLM 进行处理，以创建自定义汇总模型，该模型与用户的现有输出样式密切相关，从而实现快速准确的推理。

监督式微调步骤考虑实际训练示例，使其能够识别文档的关键部分，并高效生成摘要。

模型推理

Copilot 调整摘要的推理使用户能够通过 Word、SharePoint 或 Teams 等平台提交文档，以便在熟悉的环境中获取摘要。 当用户提供源文档时，经过微调的模型在短时间内有效地创建简洁的摘要，同时保持语气和文档结构。

摘要生成优先于提取关键节、子句和文档的核心含义，根据训练示例反映认为最重要的内容。 这些摘要允许用户专注于增值活动，而不是手动查看文档以从头开始创建摘要。

用户的反馈在保持摘要质量并允许持续改进模型性能方面起着关键作用。

Copilot 调整摘要在 Microsoft 365 个应用 (（如 Word、SharePoint 或 Teams) ）中可用，这些代理通过 Copilot 中的声明性代理将文档提交到 Azure AI 中的 Microsoft 365 大型语言模型。

企业集成

Copilot 调整摘要包含他们已使用的应用程序中的现有用户工作流，并支持培训过程来创建特定于组织用例的文档摘要，例如会议或业务报告。

相关内容

• Microsoft 365 Copilot 调整概述 (预览)
• Microsoft 365 Copilot 调整常见问题解答
• 创建具有Copilot Studio精简体验和Microsoft 365 Copilot 调整模型的声明性代理。