ChatGPT 的 Text Completion

该章节我们来学习一下 “Text Completion” ，也就是 “文本完成” 。“Text Completion” 并不是一种模型，而是指模型能够根据上下文自动完成缺失的文本部分，生成完整的文本。

⭐ Text Completion 的介绍

Text Completion 也称为文本自动补全，Text Completion并不是一个独立的模型，而是自然语言处理模型中的一个功能。在自然语言处理模型中，Text Completion可以用于自动为用户完成一段文本的缺失部分。

完成端点可用于各种任务，它为我们的任何模型提供了一个简单但功能强大的界面。当我们输入一些文本作为提示，模型将生成一个文本补全，尝试匹配我们提供的任何上下文或模式。

比如输入"我今天去逛了"，模型可以根据语言模型预测出 "商场"、"买了一件漂亮的衣服" 这一可能的文本。这样，模型就可以为用户自动完成文本的缺失部分。

在实际应用中，Text Completion可以使用多种自然语言处理模型来实现，例如GPT（Generative Pre-trained Transformer）模型、LSTM（Long Short-Term Memory）模型、BERT（Bidirectional Encoder Representations from Transformers）模型等。这些模型可以根据上下文和已知信息推断出缺失文本的最可能内容，并生成完整的连续文本。

🌟 探索文本完成

想要探索文本完成的补全的最佳方式是通官方提供的 Playground ，Playground的在线访问地址:https://platform.openai.com/playground

该页面只是一个文本输入框，我们可以在其中提交我们的 “提示-prompt” 以便后面生成 “完成-completion”。

当我们输入并提交如下文本: 我现在想开一家 "奶茶店"，请为我准备1条用作宣传的广告语言。。
他大概率会给我们生成类似如下: "来试试奶茶店的新口味，满足你的口腹之欲！"

也许我们看到的实际完成情况可能有所不同，这是因为默认情况下 API 是不确定的。这也就意味着即使我们发出的提示保持不变，但是每次调用它时可能会得到略微不同的完成。这是由于 API 默认的温度造成的，将温度设置为 0 时，“完成-completion” 将输出大部分具有确定性的结果，但可能会保留少量可变性。

下面我们来看一下演示的案例：