OpenAI宣布推出基于GPT-3.5 Turbo的微调功能并更新API，让企业、开发人员能够使用自身数据定制ChatGPT。
微调（Fine-tuning）是一种利用已有通用语言模型（如GPT-3.5）来训练一个特定模型的方法。通用语言模型虽然具有很强的语言理解和生成能力，但是它们并不针对特定的领域或任务。通过在自己数据上对通用模型进行微调优化，训练一个专属模型，可以更好地适应特定的使用场景。在保留通用语言模型强大能力的同时，进一步提高模型的准确度等效果和效率。
这就相当于在一个已经建好的房子上进行装修，使其更符合自己的需求和喜好，而不是从头开始建造一个新房子。因此，可以节省大量时间和资源，也可以避免一些技术难题。
OpenAI此次推出的微调功能，使更多开发者能参与到GPT模型应用当中，并借此实现更多个性化和创新的应用场景，提高用户体验和粘性，这对开发者生态的建立也起到了积极的助推作用。同时也极大拓展了通用模型的应用范围和潜力，加快了各行各业部署AI技术的步伐。
对于此次公告中提到的GPT-3.5 Turbo微调的安全性、使用效果、价格、未来更新、部署步骤等方面，重点说明如下。
安全性：从微调API发送的数据归客户所有，OpenAI或任何其他组织不会使用数据来训练模型。同时，为了保障模型部署的安全，OpenAI通过审核API和GPT-4驱动的审核系统，检测与安全标准冲突的有害数据。（微调有利于为用户提供更具个性化的服务，但也降低了技术门槛，可能导致不负责任的使用）
微调效果：在实际测试过程中，GPT-3.5 Turbo的微调版本在某些任务上，与基本型号的GPT-4能力相当甚至要更好。微调客户能够提高常见用例的模型性能，并缩短提示时间。通过对模型本身的指令进行微调，还可加快API调用并降低成本，提示词数量减少了90%。
价格和Token：GPT-3.5 Turbo的微调成本分为初始训练成本和使用成本两部分。一个包含100K tokens训练文件的微调工作，预计成本为2.4美元。具体来说，训练：$0.008 / 1K tokens；使用输入：$0.012 / 1K tokens；使用输出：$0.016 / 1K tokens。可处理的上下文为4K tokens，是之前微调模型的两倍。
微调步骤：只需经过准备数据、上传文件、创建微调作业、使用微调模型四步。一旦模型完成微调过程，就可以立即在生产中使用。
未来更新：GPT-4 的微调将于今年秋天推出，而在秋季晚些时候会推出对GPT-3.5函数调用和16k上下文的微调支持。不久的将来还会推出微调UI，可更容易访问正在进行的微调作业等有关信息。
