Copilot Tuning gebruiken om modellen af te stemmen voor gebruik in Microsoft 365 Copilot (preview)

In dit artikel wordt beschreven hoe u Copilot Tuning gebruikt om verfijnde modellen te maken in Copilot Studio die u kunt gebruiken met declaratieve agents voor Microsoft 365 Copilot. Het afstemmen is een proces waarmee u een vooraf getraind model kunt aanpassen voor een specifieke taak op uw eigen tenantgegevens. U kunt deze nauwkeurig afgestemde modellen gebruiken om agents te bouwen die expert zijn bij het uitvoeren van domeinspecifieke taken en deze leveren in Microsoft 365 Copilot.

Met het verfijnen van uw model kunt u beter presteren op taken die relevant zijn voor uw organisatie. Een nauwkeurig afgestemd model is vooral handig voor organisaties met unieke gegevens of gespecialiseerde vereisten.

Dit artikel bevat een basisoverzicht van het Copilot Tuning-proces in Copilot Studio. Zie het overzicht van Copilot Tuning voor gedetailleerdere taakspecifieke richtlijnen om u te helpen de beste resultaten te krijgen van het afstemmen van uw organisatie en taken.

Voordelen van Copilot Tuning

Modelafstemming is een krachtige techniek die wordt gebruikt om grote taalmodellen aan te passen aan uw specifieke behoeften. Fijnafstemming vormt een aanvulling op andere technieken voor generatieve AI-optimalisatie, zoals Retrieval Augmented Generation (ook wel RAG genoemd) en promptoptimalisatie. Fijnafstemming is goed geschikt wanneer u het gedrag van uw model nauwkeurig wilt aansturen.

Voor het afstemmen van gegevens is meestal een team van deskundige gegevenswetenschappers vereist om gegevenssets te cureren en taakspecifieke gegevensvoorbereiding en trainingspijplijnen te bouwen.

Copilot Tuning in Copilot Studio vereenvoudigt dit proces aanzienlijk en verandert het in een hulpmiddel dat bijna elke vakdeskundige kan gebruiken.

Copilot Studio abstraheert veel van de complexiteit van het proces. Het Copilot Studio-proces Copilot-afstemming is low-code en zet het afstemmen van een complex en resource-intensief project om in een gestroomlijnde selfservice-ervaring.

Geautomatiseerde gegevensvoorbereiding, mogelijk gemaakt door AI, maakt luidruchtige bedrijfsinhoud met minimale inspanning in trainingssets van hoge kwaliteit. Deze automatisering minimaliseert de noodzaak om handmatig te labelen door alleen menselijke invoer aan te vragen wanneer het vertrouwen van het model laag is. Met de automatisering kunt u de hoeveelheid gegevenslabels beperken.

Ten slotte bespaart deze functie u de moeite om gespecialiseerde pijplijnen voor gegevensverwerking en training te maken.

Veiligheid

Copilot Tuning biedt verbeterde beveiliging vergeleken met conventionele verfijningstechnieken door ervoor te zorgen dat alleen gebruikers met de juiste toegangsbeheer, gedefinieerd door uw bestaande Microsoft Entra-beveiligingsgroepen, het model kunnen gebruiken bij het bouwen van Microsoft 365 Copilot-agents. Beheerders kunnen ook snel modellen uit productie verwijderen, waardoor de beveiliging verder wordt verbeterd.

Niemand ziet uw gegevens, zelfs niet tijdens de training. Alle training en deductie vinden plaats in tenant-geïsoleerde omgevingen.

Wat voor soort taken kan Copilot Tuning uitvoeren?

Op dit moment kunt u Copilot Tuning gebruiken voor de volgende taken:

1. Q&A: Deskundige vraag en antwoord kan vragen nauwkeurig beantwoorden in complexe kennisdomeinen zoals HR- en professionele servicesscenario's waarbij RAG alleen onvoldoende zou zijn.
2. Documentgeneratie: Documentgeneratie excelt in het maken van complexe, gestructureerde documenten die specifieke indelingen moeten volgen, zoals overeenkomsten, contracten en technische documentatie.
3. Documentsamenvatting: Documentsamenvatting distilleert complexe informatie, zoals regelgevings- of wetgevingsanalyses, nauwkeurig tot op maat gemaakte samenvattingen.

Verkiesbaarheid

Copilot-afstemming is een programma voor vroege toegang (EAP). Zie Introductie van Microsoft 365 Copilot Tuning voor meer informatie over geschiktheid van EAP.

In een organisatie waar Copilot Tuning beschikbaar is, beheert een Microsoft 365-beheerder de toegang. De beheerder kan Copilot Tuning activeren voor het niveau van de organisatie of tenant. De beheerder kan de toegang tot deze functie ook beperken voor specifieke gebruikers in de organisatie.

Toegang tot Copilot-afstemming in Copilot Studio

Zodra uw Microsoft 365-beheerder Copilot Tuning beschikbaar maakt in uw tenant en u machtigingen voor het maken van modellen verleent, ontvangt u een e-mail waarin u wordt uitgenodigd om uw eerste model te gaan bouwen met Microsoft Copilot Studio.

Ga als volgt te werk om toegang te krijgen tot Copilot Tuning:

1. Meld u aan bij Copilot Studio met behulp van een gebruikersaccount met de rol ModelMaker .

2. Selecteer in de zijbalk de drie stippen (...) en selecteer vervolgens Copilot Tuning.

   De pagina Copilot-afstemming wordt geopend.

   Als u deze optie niet ziet, is Copilot Tuning niet beschikbaar voor uw tenant of bent u niet gemachtigd om nauwkeurig afgestemde modellen te maken.

Een nauwkeurig afgestemd model maken

Copilot Tuning is een trainingsproces met meerdere stappen. Net als bij elk machine learning-trainingsproces zijn de kwaliteit en hoeveelheid trainingsgegevens essentieel voor het succes van het model.

Basismodelparameters configureren

Configureer eerst parameters op hoog niveau voor wat u wilt dat uw model doet, hoe het zich moet gedragen en de juiste gegevensbronnen die moeten worden gebruikt.

1. Ga naar de pagina Copilot-afstemming en selecteer Een nieuw model maken. U wordt naar een pagina gebracht om uw model aan uw taak aan te passen.

2. Voer een beschrijvende naam en een beschrijving voor uw model in.

   Beschrijf het model op een manier die gebruikers in uw organisatie snel kunnen begrijpen hoe het hen kan helpen bij hun werk.

3. Selecteer onder Kennisbronnen kiezen de optie Kennis toevoegen.

   De pagina Kennis toevoegen aan uw model wordt weergegeven.

   1. Selecteer een kennistype. SharePoint is momenteel beschikbaar.

   2. Selecteer een kennisbron. Blader op uw computer naar een SharePoint-bestand of voer een URL in voor de bron en selecteer Vervolgens Toevoegen.

   3. Herhaal de vorige stap indien nodig om meer kennisbronnen toe te voegen.

   4. Wanneer u klaar bent met het toevoegen van kennisbronnen, selecteert u Toevoegen om door te gaan.

4. Geef onder Machtigingen de Microsoft Entra-beveiligingsgroepen op die toegang moeten hebben tot het model wanneer het wordt geïmplementeerd.

   Copilot Tuning sluit automatisch uit van het trainen van bestanden waartoe uw geselecteerde beveiligingsgroepen geen toegang hebben. Copilot Studio stelt ook automatisch andere beveiligingsgroepen voor om de breedte van kennis te maximaliseren die u veilig in uw model kunt opnemen.

5. Selecteer onder Taaktype het gewenste taaktype.

6. Beantwoord in de sectie Modelinstructies die wordt weergegeven de vragen zoals beschreven. Voer instructies in zoals aangegeven. Raadpleeg de gedetailleerde taakspecifieke richtlijnen in de Microsoft 365 Copilot Tuning-documentatie voor meer informatie.

   • Configureer Copilot Tuning voor Q&A met deskundigen
   • Afstemming van Copilot configureren voor documentgeneratie
   • Aan de slag met samenvatting van Copilot Tuning

   De modelinstructies helpen Copilot Studio bij het identificeren en voorbereiden van de meest relevante gegevens uit uw kennisbronnen. Goede modelinstructies bieden het model aanwijzingen voor het interpreteren van gegevens tijdens het trainingsproces.

7. Selecteer Concept opslaan om uw voortgang op te slaan, of als u klaar bent om door te gaan met het proces voor afstemming, selecteert u Labelgegevens voorbereiden.

   Copilot Studio begint met het voorbereiden van de gegevens voor labelen.

   Copilot Studio informeert u als sommige van uw gekozen kennisbronnen niet beschikbaar zijn voor de gekozen beveiligingsgroepen. Copilot Studio stelt automatisch andere beveiligingsgroepen voor om de breedte van kennis te maximaliseren die u veilig in uw model kunt opnemen.

8. Breng aanpassingen aan de beveiligingsgroepen om de dekking naar wens uit te breiden en selecteer vervolgens Doorgaan met de selectie.

   Copilot Studio bereidt de gegevens voor op labeling.

   Belangrijk

   Afhankelijk van de grootte van uw gegevens kan het tot 24 uur duren voordat de voorbereiding is voltooid. Terwijl de voorbereiding plaatsvindt, kunt u blijven werken in Copilot Studio of het browsertabblad sluiten en later terugkeren. U ontvangt een e-mailmelding zodra deze stap is voltooid. U kunt de status op elk gewenst moment controleren door terug te keren naar Copilot Studio en de modellijst te vernieuwen.

De trainingsvoorbeelden labelen

Zodra uw gegevens zijn verwerkt, verzendt Copilot Studio een e-mailmelding die aangeeft dat uw gegevens gereed zijn voor labeling.

Copilot Studio biedt u gegenereerde trainingsvoorbeelden die relevant zijn voor de taak en de gegevens die u hebt opgegeven. U moet de voorbeelden bekijken en feedback geven over voorbeeldkwaliteit.

Labelen is een cruciale stap, omdat het in wezen het model leert hoe u ideale trainingsvoorbeelden kunt identificeren. Zorg ervoor dat personen met domeinexpertise deze taak uitvoeren. Als u geen domeinexpert bent, kunt u labeltaken delegeren aan deskundigen via een ingebouwde werkstroom voor labelbeheer.

Het labelproces doorloopt over het algemeen meerdere batches. Voor het trainen van een model kunnen maximaal vier tot vijf batches labels nodig zijn.

Zodra het labelen is voltooid, kunt u uw model trainen. Selecteer Training starten om door te gaan.

Het model trainen

Copilot Studio traint het model met behulp van de gelabelde gegevens. Training is een volledig geautomatiseerd proces dat geen verdere invoer van u vereist.

U ontvangt een e-mailmelding zodra de training is voltooid. U kunt de status ook op elk gewenst moment controleren door terug te keren naar Copilot Studio en de lijst met modellen te vernieuwen.

Het model evalueren

In de laatste fase krijgt u vergelijkende reeksen tussen de resultaten van het fijnafgestemde model en de resultaten van het niet-afgestemde basislijnmodel. Als u de kwaliteit van de antwoorden van het model wilt blijven verbeteren, kunt u beginnen met een nieuwe uitvoering van modeltraining.

Als u modeluitvoer in de volgende trainingsuitvoering wilt verbeteren, moet u ervoor zorgen dat uw gegevensset goed is afgestemd op de specifieke taak van uw model en dat uw gegevens worden gelabeld door domeinexperts.

Het model publiceren naar Microsoft 365 Copilot

Zodra u tevreden bent met de uitvoer van het model, publiceert u het model naar uw Microsoft 365-tenantcatalogus.

Uw model is nu beschikbaar voor gebruik door de agents van uw tenant voor Copilot.

Zie de Microsoft 365 Copilot-documentatie voor meer informatie over het gebruik van het model in agents voor Copilot.

Beperkingen en beperkingen

Er zijn enkele beperkingen en beperkingen waarmee u rekening moet houden bij het maken van nauwkeurig afgestemde modellen:

• Als u kennisbronnen toevoegt na het trainen van het model, moet u het afstemmingsproces helemaal opnieuw beginnen.
• Copilot Studio biedt nog geen ondersteuning voor modelversiebeheer.
• Als een gebruiker van wie de gegevens zijn gebruikt bij het trainen van een model een geldige verwijderingsaanvraag onder AVG (of vergelijkbare regelgeving) indient, moet u het model opnieuw trainen.
• Wanneer u een model verfijnt, worden de gewichten van het model aangepast op basis van de trainingsgegevens. U kunt het nauwkeurig afgestemde model op elk gewenst moment verwijderen.
• U bent verantwoordelijk voor de wijze waarop gegevens worden verzameld, opgeslagen en gebruikt in uw tenantomgeving.
• U moet ervoor zorgen dat uw gegevenspraktijk voldoet aan wettelijke vereisten voor transparantie, toestemming, toegang en verwijdering.
• U bent verantwoordelijk voor het controleren van de nauwkeurigheid, geschiktheid en naleving van eventuele uitvoer die door dit systeem wordt gegenereerd voordat u deze gebruikt. Verificatie kan overleg met vakexperts vereisen.

Verwante inhoud

• Overzicht van Copilot Tuning
• Configureer Copilot Tuning voor Q&A met deskundigen
• Afstemming van Copilot configureren voor documentgeneratie
• Aan de slag met samenvatting van Copilot Tuning