編者注:本文已從MarketMuse的網站.MarketMuse是營銷AI研BETVlCTOR1946伟德究所的合作夥伴。
早在2020年9月,當我第一次寫比較的時候MarketMuse的GPT-3初稿可供借鑒的例子並不多。GPT-3仍然不對公眾開放。快進到2021年,許多初創公司都在使用GPT-3的API來支持他們的平台。
這讓我很好奇。MarketMuse的專有自然語言模型First Draft與GPT-3相比如何?我第一次的經曆並不是很好。我當時看到的GPT-3輸出示例還有很多不盡如人意的地方。事後看來,我不應該期望太高。輸入一個主題標題,並期待一個體麵的長篇內容作為回報,這是相當大的延伸。現在仍然如此。
這一次,我采取了不同的方法。
輸入時髦的。人工智能,一個GPT-3驅動的應用程序,結合了自己的機器學習層。《時尚》擁有許多麵向簡短內容的模板,如穀歌廣告、Facebook廣告、登陸頁麵和產品描述。
該平台的新功能是其所謂的內容擴展器,它可以“將單個句子或要點擴展為一個完整的思想”。對我來說,這聽起來不太像長篇內容,但我認為值得一試。
這就是我所做的。
設置NLG實驗
Snazzy的文本擴展器的工作方式是,您向它提供一個主題和一個摘要,以及一些附加信息,然後它將生成文本輸出。輸出的確切長度似乎是任意的。
為了獲得更多的信息,我從MarketMuse主題模型中為Snazzy提供了10個最重要的主題作為“品牌關鍵字”。
順便說一下,主題是“胰高血糖素是一種非侵入性糖尿病治療方法。”當然是很重的東西!
在這個實驗中,我使用了MarketMuse First Draft的輸出。請記住,這已經是一個通過自然語言生成創建的結構良好且主題豐富的內容。
我進入了第一個分段標題以及第一段作為啟動材料的GPT-3發動機。對於本文中的每個附加小節,我都重複了這個過程,基本上是將生成的內容逐段拚接在一起。
結果
內容分 | 字數 | |
MarketMuse初稿 | 31 | 1760年 |
GPT-3(時髦的) | 26 | 953 |
結果在各個方麵都很好。通常情況下,MarketMuse初稿輸出會達到目標內容分數。但是在這種情況下,我保留了在我以前的比較文章中使用的相同的舊輸出,而主題模型(從中派生出目標內容分數)是最新的。
GPT-3的輸出表現良好,僅比MarketMuse First Draft低了20%。它用更少的文字就做到了這一點。
MarketMuse初稿
以下是MarketMuse初稿的一個片段。
GPT-3(時髦)與MarketMuse初稿
以下是來自Snazzy的部分NLG輸出,包括用於啟動GPT-3代的小標題和文本。
結論
來自snzy的GPT-3輸出非常令人印象深刻,並且很好地補充了MarketMuse First Draft。總的來說,讀起來不錯。
經過深思熟慮,最終的內容實際上是兩個NLG平台MarketMuse First Draft和GPT-3之間的合作。MarketMuse First Draft提供了25%的初始內容作為GPT-3的底稿,同時產生了餘額。雖然這看起來有些過分,但我懷疑GPT-3的模型需要足夠多的現有內容來設定方向。
當然,製作長篇內容與製作Facebook廣告是兩碼事,原因有很多。
最後,請記住沒有進行任何編輯。此外,我沒有在Snazzy中運行多代,我隻是為每個部分運行一個實例並獲取原始輸出。
Stephen Jeske
Stephen領導MarketMuse的內容策略博客,這是一個人工智能內容情報和策略平台。