数据安全分类分级与GPT的应用
前言
经过两三个月的chatGPT的熟悉后，我对chatGPT的使用有了部分浅薄的经验，那么我们先来达成一个共识吧
- ChatGPT是可以训练模型的，并且它能够创建多个模型
- ChatGPT在对话的过程中，是基于数据集以及对话上下文内容关联的
- ChatGPT的中文能力并不太好，原因可见下文
- ChatGPT的模型训练，最好是基于某个特定的细节点去围绕，如果围绕大框架，那么它提供的内容也将会模棱两可
一、ChatGPT模型
我们先来说第一点，相信使用过的人都知道，ChatGPT是可以建立多个模型去专项训练的，这没什么好说的
二、上下文关联
他会基于你对话的上下文，去进行训练，初次回答时，基于数据集中相关内容进行整合，在多次对话后，逐渐训练成独有的模型。（当然，OpenAI也不是吃白饭的，他们不断的去优化一些鸡肋的选项，使其很多情况下，chatGPT依然坚持自己的数据，想改变他的某种固定的想法，你需要想尽办法命令他）
三、中文能力并不太好
当然，它本就是一款国外打造的语言模块，对一些中文的使用自然而然就产生了分歧，很多时候，它会在你不经意间写错一个字，因此全部依靠它来进行中文工作，并不是完美的事
四、如何去训练一个符合心意的模型呢？
第一段话是非常重要的，它是奠定你选择数据集的基础，当你去询问它python的某项知识时，它就会在数据集中找到这部分相关的知识。若你以此继续往细节询问，那么它就会变成python的专家。但如果你在询问后，转而问它，你了解蔡徐坤吗？它的数据集就会加大，从而使得在某些时候，你询问的内容即便是非常仔细的，它也会有明显的错误。
比如我如果想要证券的一些业务详细时，我会先让它列出 与证券相关的业务数据，当它首次运行完毕时，我会在让它根据业务数据去进行其他操作，比如对上述的每一条业务数据进行说明使用用途。
当我将我需要的框架搭建好后，比如我需要它列出 证券的业务数据、数据类型、使用用途，中文拼音，英文翻译后，我在命令它去产生更多相关的业务数据，因此，它便会将我提出的需求，继而逐渐展现。
需要记住的是，ChatGPT是回复字数似乎有限制，当它回答一半时，你可以这么说：从某处开始，继续回答。它便会与上文连贯并继续以此回答内容了。
总结
这只是我的个人经验，但他的确帮助我在工作中获得不少的便利，至少我能够训练一些我得心应手的模型，当我有未知的同一领域的问题时，我便会对同一领域的ChatGPT模型进行询问，从而解答我的部分问题。