如何使用 Embedding 提升回答质量？

summary 使用 embedding 计算语料和提问的相似度，在 prompt 里补充相对准确的上下文语料 (prompt design)，来获取更准确的回答 OpenAI 提供了 Completion API 来实现问答的功能。但是它只提供了固定的 models，用户不能修改他们的 model，不过可以使用 fine-tune 来生成自己的 model。 但是如果我们有自己的语料库，如何才能让 GPT-3 根据我们的语料来生成正确的答案呢？ 为什么不直接用 fine-tune 为了提高问答质量， Open AI 提供了 fine-tune 可以对 prompt 和 completion 进行调优， 虽然 fine-tune 可以稍微提升质量，让 API 更好的理解你的 prompt ，并输出更符合预期的结果， 但是它主要是为了节省每次 completion 提供相同 prompt 的 tokens，把类似的 prompt 可以训练成: 只需要更改具体问题，而不用重复写 context、example 。 比如我们训练 {"prompt":"Company: BHFF insurance Product: allround insurance Ad:One stop shop for all your insurance needs! Supported:", "completion":" yes"}{"prompt":"Company: Loft conversion speciali