सम्पादक : सम्पादकीय विभाग[नव प्रज्ञायाः परिचयः] । प्रोग्रामर-जनानाम् कृते शुभसमाचारः! OpenAI इत्यस्य नवप्रवर्तितं मॉडल् एपिआइ सर्वं संरचितं उत्पादनं समर्थयति, JSON योजनामेलनदरः 100% इत्येव उच्चः अस्ति, तथा च व्ययः तत्क्षणमेव आर्धेन न्यूनीकरोति
अद्यापि शीघ्रशब्दानां समूहं चिन्तयितुं मस्तिष्कं व्याघ्रयति, एकस्य शल्यक्रियायाः अनन्तरं विविधनिर्गमपरिणामानां कारणेन शिरोवेदना भवति?अन्ततः OpenAI इत्यनेन जनसमूहस्य स्वरं श्रुत्वा विकासकानां कृते बहुप्रतीक्षितं प्रथमक्रमाङ्कस्य विशेषतां प्रदत्तम् ।OpenAI इत्यनेन अद्य नूतनानां विशेषतानां प्रारम्भस्य घोषणा कृता, तथा च ChatGPT API इदानीं JSON संरचितं उत्पादनं समर्थयति ।JSON (JavaScript Object Notation) सञ्चिकायाः आँकडाविनिमयस्वरूपस्य च उद्योगमानकम् अस्ति यतोहि एतत् मनुष्याणां कृते पठितुं सुलभं भवति तथा च यन्त्राणां कृते विश्लेषणं सुलभं भवतितथापि, LLM प्रायः JSON विरुद्धं कार्यं करोति, प्रायः मतिभ्रमान् उत्पादयति, यावान् प्रतिक्रियाः जनयति यत् केवलं आंशिकरूपेण निर्देशानां अनुसरणं करोति, अथवा "स्वर्गीयपुस्तकानां" एकं समूहं जनयति यस्य पूर्णतया विश्लेषणं सर्वथा कर्तुं न शक्यतेएतदर्थं विकासकानां बहुविधमुक्तस्रोतसाधनानाम् उपयोगः, भिन्न-भिन्न-प्रोम्प्ट्-प्रयोगः अथवा पुनरावृत्ति-अनुरोधाः इष्टं उत्पादनं जनयितुं आवश्यकं भवति, यत् समय-ग्राहकं श्रम-प्रधानं च भवतिअद्य विमोचितं संरचितं निर्गमविशेषता उपर्युक्तानि कण्टकसमस्यानां समाधानं करोति तथा च सुनिश्चितं करोति यत् आदर्शेन उत्पन्नं उत्पादनं JSON मध्ये निर्दिष्टेन योजनायाः सङ्गतिं करोतिसंरचितं उत्पादनकार्यं सर्वदा विकासकैः अनुरोधितं प्रथमक्रमाङ्कस्य विशेषता एव अस्ति अल्ट्रामैन् इत्यनेन अपि स्वस्य ट्वीट् मध्ये उक्तं यत् एतत् संस्करणं उपयोक्तृणां अनुरोधानाम् प्रतिक्रियारूपेण विमोचितम्।OpenAI द्वारा विमोचिताः नूतनाः विशेषताः खलु बहवः विकासकानां हृदयं प्रहारितवन्तः, ते सर्वे "एतत् महती कार्यम्" इति सहमताः सन्ति ।केचन प्रसन्नाः केचन दुःखिताः च OpenAI इत्यस्य एतत् अद्यतनं जनान् चिन्तां जनयति यत् एतत् स्टार्टअपं निगलयिष्यति इति।तथापि अधिकसामान्यप्रयोक्तृणां कृते तेषां अधिकं चिन्ताजनकः प्रश्नः अस्ति यत् GPT-5 कदा मुक्तः भविष्यति यथा JSON Schema, "तत् किम्?"किन्तु GPT-5 इत्यस्य वार्ता विना OpenAI इत्यस्य DevDay अस्मिन् शरदऋतौ गतवर्षस्य अपेक्षया बहु शान्ततरं भवितुम् अर्हति ।योजनायाः स्थिरतां सहजतया सुनिश्चितं कुर्वन्तु
संरचितनिर्गमेन सह, भवद्भिः केवलं JSON योजनां परिभाषितुं आवश्यकं भवति, तथा च AI इतः परं "इच्छया" न भविष्यति तथा च निर्देशानुसारं आज्ञाकारीरूपेण आँकडान् निर्गमिष्यति ।अपि च, नूतनं कार्यं न केवलं एआइ अधिकं आज्ञाकारीं करोति, अपितु आउटपुट् सामग्रीयाः विश्वसनीयतायाः अपि महतीं सुधारं करोति । जटिल JSON योजनायाः अनुसरणमूल्यांकने संरचितनिर्गमयुक्तस्य नूतनस्य मॉडलस्य gpt-4o-2024-08-06 इत्यस्य 100% सम्यक् स्कोरः प्राप्तः । तदपेक्षया gpt-4-0613 इत्यनेन ४०% तः न्यूनं स्कोरः प्राप्तः ।वस्तुतः JSON Schema इति कार्यं गतवर्षे DevDay इत्यत्र OpenAI इत्यनेन प्रारब्धम् आसीत् ।अधुना, OpenAI इत्यनेन एपिआइ इत्यस्मिन् एतत् कार्यक्षमतां विस्तारितं, यत् सुनिश्चितं करोति यत् मॉडल् द्वारा उत्पन्नं आउटपुट् विकासकेन प्रदत्तस्य JSON Schema इत्यस्य सम्यक् मेलनं करोति ।असंरचितनिवेशात् संरचितदत्तांशस्य निर्माणं अद्यतनप्रयोगेषु कृत्रिमबुद्धेः मूलप्रयोगप्रकरणेषु अन्यतमम् अस्ति ।विकासकाः OpenAI API इत्यस्य उपयोगं शक्तिशालिनः सहायकानां निर्माणार्थं कुर्वन्ति ये कार्य-आह्वानस्य माध्यमेन आँकडान् प्राप्तुं प्रश्नानाम् उत्तरं च दातुं शक्नुवन्ति, आँकडा-प्रविष्ट्यर्थं संरचित-दत्तांशं निष्कासयितुं शक्नुवन्ति, बहु-चरणीय-एजेण्टिक-कार्यप्रवाहस्य निर्माणं च कर्तुं शक्नुवन्ति, येन LLM कार्यवाही कर्तुं शक्यतेOpenAI मॉडल् आउटपुट् तथा JSON Schema इत्येतयोः मध्ये मेलनं सुधारयितुम् द्विपक्षीयं दृष्टिकोणं गृह्णाति ।यद्यपि मॉडल्-प्रदर्शने महती सुधारः अभवत्, बेन्चमार्क-परीक्षासु ९३% सटीकताम् अवाप्तवान्, तथापि निहित-अनिश्चितता अद्यापि वर्तते ।विकासकैः निर्मितानाम् अनुप्रयोगानाम् स्थिरतां सुनिश्चित्य OpenAI मॉडलस्य उत्पादनं बाधितुं उच्चतर-सटीकता-पद्धतिं प्रदाति, तस्मात् शतप्रतिशतम् विश्वसनीयतां प्राप्नोतिबाध्यताविकोडनम्
OpenAI इत्यनेन constrained sampling अथवा constrained decoding इति तकनीकः उपयुज्यते पूर्वनिर्धारितरूपेण, मॉडल् पूर्णतया अप्रतिबन्धितरूपेण आउटपुट् जनयति, सम्भाव्यतया शब्दावलीतः किमपि टोकनं अग्रिमनिर्गमरूपेण चयनं करोति ।एषा लचीलता त्रुटिं जनयितुं शक्नोति, यथा वैध JSON जनयति समये अमान्यवर्णानां आकस्मिकरूपेण निवेशनं ।एतादृशानां दोषाणां परिहाराय OpenAI गतिशीलप्रतिबन्धविकोडिंगपद्धतिं उपयुङ्क्ते यत् जनितं निर्गमटोकनं सर्वदा प्रदत्तस्य योजनायाः अनुरूपं भवति इति सुनिश्चितं करोतिएतत् प्राप्तुं OpenAI प्रदत्तं JSON योजनां सन्दर्भ-रहितव्याकरणे (CFG) परिवर्तयति ।प्रत्येकस्य JSON योजनायाः कृते OpenAI एकं वाक्यविन्यासं गणयति यत् योजनायाः प्रतिनिधित्वं करोति तथा च नमूनाकरणस्य समये पूर्वसंसाधितघटकानाम् अभिगमनं कुशलतया करोति । एषः उपायः न केवलं उत्पन्नं उत्पादनं अधिकं सटीकं करोति अपितु अनावश्यकविलम्बं न्यूनीकरोति । नूतनयोजनायाः प्रथमानुरोधस्य अतिरिक्तप्रक्रियासमयः भवितुम् अर्हति, परन्तु अनन्तरं अनुरोधानाम् प्रतिक्रिया शीघ्रं संग्रहणतन्त्रेण भवति ।विकल्पाः
CFG पद्धतेः अतिरिक्तं अन्यविधयः प्रायः बाध्यताविकोडार्थं परिमितस्थितियन्त्राणां (FSM) अथवा नियमितव्यञ्जनानां उपयोगं कुर्वन्ति । परन्तु एतेषां पद्धतीनां वैधटोकनस्य गतिशीलरूपेण अद्यतनीकरणे सीमितक्षमता अस्ति । विशेषतः जटिलनेस्टेड् अथवा पुनरावर्तनीयदत्तांशसंरचनानां कृते FSM प्रायः कठिनं भवति । जटिल योजनानां अभिव्यक्तिं कुर्वन् OpenAI इत्यस्य CFG पद्धतिः उत्तमं प्रदर्शनं करोति । उदाहरणार्थं, पुनरावर्तनीयस्कीमानां समर्थनं कुर्वन् JSON स्कीमा OpenAI API इत्यत्र कार्यान्वितं भवति परन्तु FSM पद्धत्या व्यक्तं कर्तुं न शक्यते ।आधांशं निवेशव्ययस्य रक्षणं कुर्वन्तु
संरचितनिर्गमः सर्वेषां मॉडलानां कृते उपलभ्यते ये फंक्शन्-आह्वानं समर्थयन्ति, यत्र नवीनतमाः GPT-4o तथा GPT-4o-mini मॉडल्, तथैव सूक्ष्म-ट्यून्ड् मॉडल् अपि सन्तिइदं विशेषता Chat Completions API, Assistants API तथा Batch API इत्यत्र उपलभ्यते तथा च दृश्यनिवेशेन सह सङ्गतम् अस्ति ।gpt-4o-2024-05-13 संस्करणस्य तुलने gpt-4o-2024-08-06 संस्करणम् अपि अधिकं व्यय-प्रभावी अस्ति विकासकाः इनपुट् पक्षे ($2.50/1M टोकन) 50% व्ययस्य रक्षणं कर्तुं शक्नुवन्ति । , आउटपुट् अन्ते ($10.00/1M टोकन) व्ययस्य 33% रक्षणं करोति ।संरचितनिर्गमस्य उपयोगः कथं भवति
एपिआइ मध्ये संरचितनिर्गमस्य परिचयार्थं द्वौ रूपौ स्तः यस्य उपयोगः कर्तुं शक्यते ।function call
उपकरणद्वारा संरचितं उत्पादनं कार्यपरिभाषायां strict: true इति सेट् कृत्वा प्राप्तुं शक्यते ।एतत् विशेषता समर्थितसाधनयुक्तेषु सर्वेषु मॉडल् मध्ये उपलभ्यते, यत्र सर्वेषु मॉडल् gpt-4-0613 तथा gpt-3.5-turbo-0613 अपि च ततः परं भवति ।यदा संरचितनिर्गमः सक्षमः भवति तदा मॉडलनिर्गमः प्रदत्तस्य साधनपरिभाषायाः सङ्गतिं करिष्यति ।{
"table_name": "orders",
"columns": ["id", "status", "expected_delivery_date", "delivered_at"],
"conditions": [
{
"column": "status",
"operator": "=",
"value": "fulfilled"
},
{
"column": "ordered_at",
"operator": ">=",
"value": "2023-05-01"
},
{
"column": "ordered_at",
"operator": "<",
"value": "2023-06-01"
},
{
"column": "delivered_at",
"operator": ">",
"value": {
"column_name": "expected_delivery_date"
}
}
],
"order_by": "asc"
}
response_format पैरामीटर् कृते नूतनाः विकल्पाः
इदानीं विकासकाः response_format इत्यस्य नूतनविकल्पस्य json_schema इत्यस्य माध्यमेन प्रारूपितनिर्गमस्य आवश्यकता अस्ति वा इति चयनं कर्तुं शक्नुवन्ति ।यदा मॉडल् साधनानि न आह्वयति, अपितु उपयोक्त्रे संरचितरूपेण प्रतिक्रियां ददाति तदा एतत् विशेषता उपयोगी भवति ।अद्य प्रकाशितस्य नवीनतमस्य GPT-4o मॉडलस्य कृते उपलब्धम् अस्ति: gpt-4o-2024-08-06 तथा gpt-4o-mini-2024-07-18 इति ।यदा response_format strict:true इति सेट् भवति तदा मॉडल् आउटपुट् प्रदत्तस्य योजनायाः मेलनं करिष्यति ।{
"steps": [
{
"explanation": "Subtract 31 from both sides to isolate the term with x.",
"output": "8x + 31 - 31 = 2 - 31"
},
{
"explanation": "This simplifies to 8x = -29.",
"output": "8x = -29"
},
{
"explanation": "Divide both sides by 8 to solve for x.",
"output": "x = -29 / 8"
}
],
"final_answer": "x = -29 / 8"
}
विकासकाः इष्टस्य उत्पादनस्य मार्गदर्शनार्थं संरचितनिर्गमस्य उपयोगेन पदे पदे उत्तराणि जनयितुं शक्नुवन्ति ।OpenAI इत्यस्य अनुसारं विकासकानां विकृतप्रतिसादानां प्रमाणीकरणस्य पुनः प्रयासस्य वा आवश्यकता नास्ति, तथा च एतत् विशेषता सरलतरप्रोम्प्ट्-अनुमन्यते ।देशी SDK समर्थन
OpenAI कथयति यत् तेषां Python तथा Node SDKs इत्येतत् संरचितनिर्गमस्य मूलतः समर्थनार्थं अद्यतनं कृतम् अस्ति ।उपकरणाय स्कीमा अथवा प्रतिक्रियास्वरूपं प्रदातुं यथा सरलं भवति तथा च Pydantic अथवा Zod ऑब्जेक्ट् प्रदातुं OpenAI इत्यस्य SDK समर्थित JSON योजनासु आँकडाप्रकारं परिवर्तयितुं, JSON प्रतिक्रियां स्वयमेव टङ्कितदत्तांशसंरचनासु विक्रमं कर्तुं, अस्वीकारं च विश्लेषणं कर्तुं शक्नोतिअपि च, response_format कृते देशी संरचितनिर्गमसमर्थनम् अपि उपलभ्यते ।अन्ये उपयोगप्रकरणाः
विकासकाः प्रायः OpenAI इत्यस्य मॉडल् इत्यस्य उपयोगं कृत्वा विविधप्रयोगप्रकरणानाम् कृते संरचितदत्तांशं जनयन्ति ।अन्ये केचन उदाहरणानि सन्ति- १.-उपयोक्तृ-आशयस्य आधारेण गतिशीलरूपेण उपयोक्तृ-अन्तरफलकं जनयन्तुविकासकाः कोड् अथवा UI जनरेशन अनुप्रयोगं निर्मातुं संरचितनिर्गमस्य उपयोगं कर्तुं शक्नुवन्ति ।समानं response_format इत्यस्य उपयोगेन उपयोक्तृनिवेशस्य आधारेण भिन्नानि UIs उत्पन्नं कर्तुं शक्यते ।यथा, "Gardener's Login Interface" इति रचयन्तु:इदं निम्नलिखितसङ्केतेन उत्पद्यते ।{
"type": "div",
"label": "",
"children": [
{
"type": "header",
"label": "",
"children": [
{
"type": "div",
"label": "Green Thumb Gardening",
"children": [],
"attributes": [{ "name": "className", "value": "site-title" }]
},
{
"type": "div",
"label": "Bringing Life to Your Garden",
"children": [],
"attributes": [{ "name": "className", "value": "site-tagline" }]
}
],
"attributes": [{ "name": "className", "value": "header" }]
},
{
"type": "section",
"label": "",
"children": [
{
"type": "div",
"label": "",
"children": [
{
"type": "div",
"label": "About Us",
"children": [
{
"type": "div",
"label": "At Green Thumb Gardening, we specialize in transforming your outdoor spaces into beautiful, thriving gardens. Our team has decades of experience in horticulture and landscape design.",
"children": [],
"attributes": [
{ "name": "className", "value": "about-description" }
]
}
],
"attributes": [{ "name": "className", "value": "about-section" }]
}
],
"attributes": [{ "name": "className", "value": "content" }]
}
],
"attributes": [{ "name": "className", "value": "about-container" }]
},
{
"type": "section",
"label": "",
"children": [
{
"type": "div",
"label": "",
"children": [
{
"type": "div",
"label": "Our Services",
"children": [
{
"type": "div",
"label": "Garden Design",
"children": [],
"attributes": [
{ "name": "className", "value": "service-item" }
]
},
{
"type": "div",
"label": "Plant Care & Maintenance",
"children": [],
"attributes": [
{ "name": "className", "value": "service-item" }
]
},
{
"type": "div",
"label": "Seasonal Cleanup",
"children": [],
"attributes": [
{ "name": "className", "value": "service-item" }
]
},
{
"type": "div",
"label": "Custom Landscaping",
"children": [],
"attributes": [
{ "name": "className", "value": "service-item" }
]
}
],
"attributes": [{ "name": "className", "value": "services-list" }]
}
],
"attributes": [{ "name": "className", "value": "content" }]
}
],
"attributes": [{ "name": "className", "value": "services-container" }]
}
],
"attributes": [{ "name": "className", "value": "landing-page" }]
}
- अन्तिम उत्तराणि समर्थनतर्कात् अथवा अतिरिक्तटिप्पण्याः पृथक् कुर्वन्तुप्रतिरूपं पृथक् विचारशृङ्खलाक्षेत्रं प्रदातुं प्रतिक्रियायाः अन्तिमगुणवत्तायां सुधारः कर्तुं शक्यते ।{
"reasoning_steps": [
"First step is to compare the numbers 9.11 and 9.9.",
"Both numbers have the same whole number part, which is 9.",
"To compare the decimal parts, convert them to the same number of decimal places.",
"9.11 has two decimal places: it is 9.11.",
"9.9 has one decimal place: it can be rewritten as 9.90.",
"Now, compare 9.11 and 9.90 by looking at the decimal parts.",
"Compare 11 with 90.",
"90 is greater than 11, so 9.90 is greater than 9.11."
],
"answer": "9.9 is bigger than 9.11."
}
- असंरचितदत्तांशतः संरचितदत्तांशं निष्कासयन्तुयथा, सभायाः टिप्पणीभ्यः कार्याणि, समयसीमाः, कार्यनिर्देशाः च इत्यादीनि वस्तूनि निष्कासयितुं मॉडलं निर्देशयन्तु ।{
"action_items": [
{
"description": "Collaborate on optimizing the path planning algorithm",
"due_date": "2024-06-30",
"owner": "Jason Li"
},
{
"description": "Reach out to industry partners for additional datasets",
"due_date": "2024-06-25",
"owner": "Aisha Patel"
},
{
"description": "Explore alternative LIDAR sensor configurations and report findings",
"due_date": "2024-06-27",
"owner": "Kevin Nguyen"
},
{
"description": "Schedule extended stress tests for the integrated navigation system",
"due_date": "2024-06-28",
"owner": "Emily Chen"
},
{
"description": "Retest the system after bug fixes and update the team",
"due_date": "2024-07-01",
"owner": "David Park"
}
]
}
सुरक्षितं संरचितं उत्पादनम्सुरक्षा OpenAI कृते सर्वोच्चप्राथमिकता अस्ति – नूतनं संरचितं निर्गमविशेषता OpenAI इत्यस्य विद्यमानसुरक्षानीतिषु अनुसरणं करिष्यति तथापि मॉडल्-समूहान् असुरक्षितान् अनुरोधान् अङ्गीकुर्वितुं अनुमतिं ददातिविकासं सुलभं कर्तुं एपिआइ-प्रतिसादेषु नूतनं अस्वीकार-स्ट्रिंग्-मूल्यं वर्तते यत् विकासकान् प्रोग्रामेटिकरूपेण ज्ञातुं शक्नोति यत् स्कीम-सङ्गत-निर्गमस्य स्थाने मॉडल्-अस्वीकारं जनयति वा इतियदा प्रतिक्रियायां अस्वीकारः न भवति तथा च मॉडलस्य प्रतिक्रिया अकालं न बाधिता (यथा finish_reason इत्यनेन सूचितं भवति), तदा मॉडलस्य प्रतिक्रिया विश्वसनीयतया वैध JSON उत्पादयिष्यति यत् प्रदत्तस्य योजनायाः मेलनं करोति
