08｜文本改写和内容审核，别让你的机器人说错话

gpt4.0 api加入waitlist好久了 没下文。有没有什么其他途径可以获取权限？

老师在这里通过 logit_bias 参数精确控制内容，我有一点不明白，这句话encoding = tiktoken.get_encoding('p50k_base')，你取的是p50k_base然后取获取灾害对应的token，这里好像有一个假设即tiktoken库中的p50k_base编码与OpenAI的GPT-3.5-turbo模型使用的编码相同，但是我并没有从资料中查出OpenAI的GPT-3.5-turbo使用的是'p50k_base'编码，但是你的输出结果中又确实过滤掉了灾害，这是巧合，还是？

付费账号也被封了，有没有能自己能通过公布的模型搭建一个服务器的可能，不然课程完全是空中楼阁了

历时两个星期过了第一遍基础知识篇，收获很多很多，遇到问题能不问就不问，实在不行就问 gpt，自己一步一个坑，能踩得都踩了，因为额度被自己玩完了，甚至还办了一张万事通的信用卡，跟着老师多学点，进步收获真的会很多，下一个星期继续夯实下基础知识后，再去看下一部分，很感谢老师~

这一节的代码的github地址，麻烦老师发一下，谢谢

注册的账号没有免费额度，连最后免费的接口也不能调用qaq RateLimitError: You exceeded your current quota, please check your plan and billing details.

老师，最后讲的那个免费模型，真的是太好了，解决了一个大的问题

presence_penalty 和 frequency_penalty 是 OpenAI GPT-3 API 中的两个参数，它们对模型生成的文本有影响。 presence_penalty：这个参数决定了模型在生成新的文本时，对于新颖或不常见的词语的偏好程度。如果将其设置得更高，模型就更倾向于使用它不常见的词语。例如，如果你设置了较高的presence_penalty，模型可能会选择“他赞扬了我，就像一只鸟儿在春天的清晨歌唱”，而不是简单的“他赞扬了我”。 frequency_penalty：这个参数控制了模型对于频繁出现的词语的偏好程度。如果将其设置得更高，模型就更倾向于避免使用频繁出现的词语。例如，如果你设置了较高的frequency_penalty，模型可能会选择“他赞扬了我，就像一只鸟儿在春天的清晨歌唱”，而不是重复的“他赞扬了我，他赞扬了我”。 这两个参数的范围都是0.0到1.0。默认情况下，这两个参数的值都是0.0，意味着模型不会对新颖或频繁的词语有任何偏好。 注意，这两个参数的设置并不保证模型一定会按照你期望的方式生成文本，但可以在一定程度上影响模型的输出。

COMPLETION_MODEL = "gtp-3.5-turbo" def generate_data_by_prompt(prompt): response = openai.chat.completions.create( model = COMPLETION_MODEL, messages = [{"role":"user", "content":prompt}], temperature=0.5, max_tokens=2048, top_p=1, ) return response.choices[0].message.content

openai.chat.completions.create()