用途
本文介绍了一种利用 OpenAI 嵌入模型（embeddings）为文本创建自定义标度（如具体-抽象、悲伤-快乐）的方法。作者在开发写作辅助应用 PenPal 时，希望帮助写作者“让隐含变得明确”，即通过可视化手段分析他人或自己的写作风格，例如识别句子的抽象程度，从而更好地理解“抽象阶梯”这一写作概念。
主要能力
该方法的核心能力是：给定一个标度的两个极端（例如“具体”和“抽象”），通过嵌入模型将示例词或短语转换为向量，并计算两个极端向量的平均位置作为锚点。对于任何新样本，将其嵌入向量映射到两个锚点之间的连线上，得到一个可解释的分数（0 到 1 之间），表示该样本在标度上的相对位置。
文章列举了该方法的几个优点：
- 嵌入模型相对便宜：截至 2023 年 8 月 8 日，1,000 个 token 仅需 $0.0001，而 GPT-4 为 $0.03。
- 标度易于创建：只需几个“极端”端的示例。
- 返回的数字具有可解释性：得分为 0.5 的句子正好位于两个示例的中间。
- 用户可轻松创建自定义标度，例如用几个“悲伤”词作为负端、几个“快乐”词作为正端来构建情感标度。
使用方式
文章描述了实现思路：
- 选择标度两端的示例词或短语（例如“具体”端用“血淋淋的刀”“念珠”等，“抽象”端用“自由”“文化”等）。
- 使用 OpenAI 嵌入模型将这些示例转换为向量。
- 分别计算两端示例向量的平均值，得到两个锚点向量。
- 对于新样本，获取其嵌入向量，并计算该向量在两个锚点连线上的投影位置，得到一个 0 到 1 之间的分数。
文章提到作者在 PenPal 中应用了该方法，并展示了实际效果。作者还鼓励读者在 Twitter 上分享想法。
适用场景
该方法适用于需要量化文本在某个维度上相对位置的场景，例如：
- 写作辅助：分析句子的抽象程度、情感倾向等，帮助写作者改进风格。
- 文本比较：比较不同作者（如海明威、斯蒂芬·金、约翰·斯坦贝克）的写作风格。
- 自定义标度：用户可根据需求定义任意标度，如正式-随意、积极-消极等。
限制
文章指出该方法并非完美：
- 对某些类型的标度效果更好，对另一些可能不理想。
- 可能受句子长度影响，产生偏差。
- 作者在初步实验中发现“具体-抽象”和“悲伤-快乐”标度效果较好，但需要更多实验验证。
文章未提供具体的代码实现或安装命令，也未提及收费、价格等商业信息。
