OpenAI
ይህ ገጽ በማሽን የተተረጎመ ነው። ዋናውን የእንግሊዝኛ ጽሑፍ ይመልከቱ።

በChatGPT Enterprise ውስጥ የፋይል ሰቀላን ማሻሻል

የChatGPT Enterprise ባህሪያት ፋይሎችን እንዴት እንደሚያስተናግዱ በአይነት፣ ብዛት እና መጠን መሰረት ይረዱ። በፋይል መስፈርቶች መሰረት ውጤቶችን ያሻሽሉ።

የተዘመነው፦ 16 days ago

ChatGPT Enterprise አሁን በእርምጃዎች ውስጥ በተካተቱ PDF ፋይሎች ውስጥ የተካተቱ እይታዊ ነገሮችን (ምስሎች፣ ግራፎች፣ ዲያግራሞች፣ ወዘተ) ማንበብ እና መረዳትን አሁን ይደግፋል። ተጠቃሚዎች PDF መስቀል ይችላሉ፣ እና ChatGPT በዚያ ፋይል ውስጥ ያለውን ጽሑፍ እና ማንኛውንም እይታዊ ክፍሎች መተርጎም ይችላል።

ለዝርዝሮች በPDFs የእይታ መፈለጊያ FAQን ይመልከቱ።

ChatGPT Enterprise ፋይሎችን በብዙ መንገዶች እንዲሰቅሉ ያስችልዎታል፦

ይህ መመሪያ የChatGPT Enterprise ባህሪያት ፋይሎችን እንደ ዓይነታቸው፣ ብዛታቸው እና መጠናቸው እንዴት እንደሚያስተናግዱ ያብራራል፤ እንዲሁም በፋይል መስፈርቶች መሠረት ውጤቶችን ስለማሻሻል ስልቶች ያብራራል።

ማጠቃለያ

ChatGPT Enterprise የተለያዩ የፋይል ዓይነቶችን በተለያየ መንገድ ያስተናግዳል፦ እንደ PDF፣ የዝግጅት አቀራረብ እና Word ፋይሎች ካሉ የጽሑፍ ሰነዶች ጽሑፍ ያወጣል፤ Python ኮድ በመጠቀም ከተመን ሉሆች የተዋቀረ ውሂብ ይተነትናል፤ የምስል ፋይሎችንም በGPT-Vision ይገልጻል። የትኛው የፋይል ዓይነት የትኛውን የሥራ ሂደት እንደሚያስጀምር መረዳት የተጠበቀውን ውጤት ለማግኘት ወሳኝ ነው።

ጽሑፍ-ተኮር ለሆኑ ሰነዶች፣ ChatGPT Enterprise በተቻለ መጠን አግባብነት ያለውን ጽሑፍ ከእርምጃው ጋር በቀጥታ ያካትታል፤ ተጨማሪ መረጃ ለማግኘትም የፍለጋ ሥርዓት ይጠቀማል። ይህ ለተወሰኑ ጥያቄዎች መልስ ለመስጠት በሚገባ ይሠራል። ሆኖም፣ ይህ አቀራረብ እጅግ ትልቅ ሰነድን ማጠቃለል ወይም ብዙ ትልልቅ ፋይሎችን ማነጻጸር በሚመስሉ ውስብስብ ተግባራት ላይ ሊቸገር ይችላል። ውጤቶችዎን የማሻሻያ ስልቶች ለመረዳት ማንበብዎን ይቀጥሉ።

ፋይሎችን እንደየዓይነታቸው ማስተናገድ

ChatGPT Enterprise ፋይሎችን በሦስት ዋና መንገዶች ያስኬዳል፦ ጽሑፍ ማውጣት፣ ኮድ መተንተን እና ምስል መተርጎም። ChatGPT Enterprise የሚከተለውን የሥራ ሂደት የሚወስነው የፋይሉ ዓይነት ነው።

ጽሑፍ-ተኮር ሰርስሮ ማውጣትኮድ ተርጓሚምስል ማስኬድምስላዊ ሰርስሮ ማውጣት
የፋይል ዓይነት ምሳሌዎችpptx, docx, txt, md, json, xml, pdf*
* እንደ

GPT ዕውቀት
ወይም

የፕሮጀክት ፋይሎች
የተሰቀሉ PDF ፋይሎች		csv, xls, xlsx*
*ማስታወሻ፦ ኮድ ተርጓሚ በማንኛውም የፋይል ዓይነት ላይ መሥራት ይችላል፤ ሆኖም ChatGPT Enterprise ለተመን ሉሆች በተለምዶ CIን በነባሪነት ይጠቀማል		jpg, pngpdf*
* በተጠቃሚ እርምጃዎች ውስጥ የተካተቱ PDF ፋይሎች
ባህሪከፋይሉ ጽሑፉን ያወጣል፤ የጽሑፉ አንድ ክፍል በቀጥታ በየአውድ መስኮቱ ውስጥ ይለጠፋል («ይጨመቃል»)፣ ሌላው ክፍል ደግሞ ለፍለጋ ይከማቻልኮድ ተርጓሚ ፋይሉን እንዲያስኬደው ወደ Python ያስተላልፋልምስሎች በባለብዙ ሞዳል ሞዴሎች በቀጥታ ይተረጎማሉ፤ ሆኖም በ

ሚታወቁ ገደቦች
ይገዛሉ።		የጽሑፍ ሰርስሮ ማውጣትን እና ምስል ማስኬድን ያጣመረ ዘዴ። ጽሑፍ በዲጂታል መንገድ ይወጣል፤ ምስላዊ ይዘትም በባለብዙ ሞዳል ሞዴሎች በቀጥታ ይተረጎማል።

ጽሑፍ ብቻ ላላቸው ፋይሎች፣ ለምስል ፋይሎች ወይም በግልጽ ለተዋቀሩ የውሂብ ፋይሎች (ለምሳሌ፣ የግብይቶች Excel ሰንጠረዥ)፣ እነዚህ ምድቦች ከሁሉ የተሻለውን ባህሪ ይወክላሉ።

በግልጽ የማይለዩ አንዳንድ መካከለኛ ሁኔታዎች አሉ፤ ለምሳሌ፦

  • ከPDF ውጭ ባሉ ፋይሎች ውስጥ የተካተቱ ምስሎች አይኬዱም። ምስሎቹን ለማካተት ፋይሉን ከመስቀልዎ በፊት ወደ PDF ይቀይሩት።

  • ሰነዱ ብዙ ጽሑፍ ቢኖረውም፣ ChatGPT Enterprise ከተመን ሉሆች ጋር ለመስራት ሁልጊዜ ኮድ ተርጓሚን ይጠቀማል። ለምሳሌ፣ ChatGPT Enterprise 10 የጽሑፍ ረድፎች ያሉትን CSV ፋይል እንዲተረጉም ከጠየቁት፣ የPython ቤተ-መጻሕፍት ተጠቅሞ ፋይሉን ለመተርጎም ይሞክራል። ይህም ሞዴሉ ትርጉሙን በቀጥታ እንዲያመነጭ ከመፍቀድ ያነሰ ትክክለኛ ነው። ይህን ለመቀነስ፣ የተመን ሉሁን ወደ ጽሑፍ-ተኮር ቅርጸት (ለምሳሌ PDF) ለመላክ ይሞክሩ።

  • በተመሳሳይ፣ በJSON ፋይል ውስጥ ያለ የተዋቀረ የግብይት ሰንጠረዥ ከሰቀሉ፣ ChatGPT Enterprise ፋይሉን እንደ ተራ ጽሑፍ ይተረጉመዋል። በJSON ፋይል ውስጥ ያለውን ውሂብ መተንተን ከፈለጉ፣ በእርምጃዎ ውስጥ ሞዴሉ ኮድ ተርጓሚን እንዲጠቀም ይመሩት።

በመጠን መሠረት ፋይሎችን መያዝ

ChatGPT Enterprise ከፍተኛው የአውድ መስኮት 128k tokens (በግምት 200 ገጾች ጽሑፍ) ያላቸውን ሞዴሎች ይጠቀማል። ሆኖም፣ ሁሉም tokens ከተሰቀሉ ፋይሎች የሚመጣውን ጽሑፍ ለማካተት አይውሉም። የ«ተጨመቁ» tokens ብዛት በአጠቃቀም አይነት መሠረት ይለያያል።

ChatGPT Enterprise የተወሰነ መጠን ጽሑፍ «ያስገባል»፣ የቀረው ጽሑፍ ደግሞ ወደ የግል የፍለጋ መረጃ ጠቋሚ («vector store»፣ ብዙ ጽሑፍን በብቃት ለማከማቸት እና ለማምጣት የተነደፈ የዳታቤዝ አይነት) ይላካል። ጥያቄ ሲጠይቁ፣ ChatGPT Enterprise ከተካተተው ጽሑፍ ጋር ከግል የፍለጋ መረጃ ጠቋሚ የተገኙ ተዛማጅ ክፍሎችን ያመጣል።

አንድ ሰነድ ብቻ ከሰቀሉ፣ ChatGPT Enterprise ከመጀመሪያው ጀምሮ ገደቡን እስኪደርስ ድረስ ጽሑፍን ያካትታል። ብዙ ሰነዶችን ከሰቀሉ፣ ChatGPT Enterprise ከእያንዳንዱ ሰነድ የተወሰነውን ወይም ሁሉንም ያካትታል። ከሰነዶቹ የሚገኘው ሁሉም ጽሑፍ ወደ የግል የፍለጋ መረጃ ጠቋሚም ይላካል።

ለጽሑፍ ሰነዶች የአውድ ማስገባት

ይህ ባህሪ በንቃት እየተገነባ ነው። ስለዚህ፣ የሚከተሉት ዝርዝሮች ያለ ቅድመ ማስታወቂያ ሊቀየሩ ይችላሉ።

ChatGPT Enterprise ከተሰቀሉ ሰነዶች እስከ 110k tokens በየአውድ መስኮቱ ውስጥ ማቀናበር ይችላል። ድምሩ ከ110k tokens በታች የሆኑ አንድ ወይም ከዚያ በላይ ሰነዶችን ከሰቀሉ፣ ሙሉ ይዘቱ ይካተታል።

ከ110k tokens በላይ ለሆነ አንድ ሰነድ፣ ከመጀመሪያው ጀምሮ የመጀመሪያዎቹ 110k tokens ብቻ ይካተታሉ። የቀረው ወደ የግል የፍለጋ መረጃ ጠቋሚ ብቻ ይላካል።

ብዙ ሰነዶች ከተሰቀሉ እና የጋራ ድምራቸው ከ110k tokens በላይ ከሆነ፣ ChatGPT Enterprise የሰነድ ውክልናን ለማመጣጠን ሁለት-ደረጃ ሂደት ይጠቀማል፦

  1. እስከ 55k tokens ያውጡ፣ በተሰቀሉት ሰነዶች መካከል በእኩል የተከፋፈሉ።

  1. በመጀመሪያው ደረጃ ሙሉ በሙሉ ላልተወከሉ ሰነዶች፣ ቀሪዎቹን 55k tokens በእያንዳንዱ ሰነድ ውስጥ በቀሩት tokens ላይ ተመስርቶ በተመጣጣኝ መጠን ይመድቡ።

  1. ማንኛውም የቀሩ tokens ወደ የግል የፍለጋ መረጃ ጠቋሚ ብቻ ይላካሉ።

በጽሑፍ ሰነድ ውስጥ ያሉ tokens ብዛትን፣ የሰነዱን ጽሑፍ ወደ OpenAI Tokenizer በመቅዳት መገመት ይችላሉ።

ለባለመልቲሚዲያ PDFs የአውድ ማስገባት

ተጠቃሚዎች ጽሑፍና ምስሎችን የያዙ PDFs ሲሰቅሉ፣ የእይታ መፈለጊያ ChatGPT እነዚህን ምስሎች ከዲጂታል ከተወጣ ጽሑፍ ጋር በተፈጥሯዊ ሁኔታ እንዲያቀናብር ያስችለዋል። የሚከተሉት ደረጃዎች ለባለመልቲሚዲያ PDFs መደበኛ የአውድ አያያዝ ሂደቶቻችንን ያጠናክራሉ፦

  • ምስል ማውጣት እና ኢምቤዲንግ፦ ምስሎች ከተዛማጅ ዲጂታል ጽሑፋቸው ጋር ይወጣሉ እና ይካተታሉ።

  • ብልህ መመጠን፦ ምስሎች በመረጃ ጥራት እና በሚገኘው የአውድ መስኮት ብቁ አጠቃቀም መካከል ሚዛን ለመጠበቅ በራስ-ሰር ይመጠናሉ።

የተሰቀሉ PDFs የ110k token ገደብን ሲበልጡ፣ ምስሎችም ጽሑፍም በግል የፍለጋ መረጃ ጠቋሚ ውስጥ ይካተታሉ። የጽሑፍ ኢምቤዲንጎች ተዛማጅ ምስሎችን ያመለክታሉ፣ ይህም ChatGPT በተጠቃሚ ጥያቄዎች መሠረት ተገቢዎቹን የጽሑፍ-ምስል ጥንዶች እንዲያመጣ ያስችለዋል። የተገኙ ምስሎች ከዚያ በChatGPT ተፈጥሯዊ ባለብዙ ሞዳል ችሎታዎች ይቀናበራሉ።

ለባለመልቲሚዲያ PDFs የtoken ፍላጎትን በትክክል መገመት አስቸጋሪ ነው። ሙከራዎች በግምት 350 ገጾች የተቀላቀለ ጽሑፍና ምስሎች የ110k token የአውድ መስኮትን ሙሉ በሙሉ እንደሚጠቀሙ ያመለክታሉ።

በሞዴል አይነት ላይ የተመሠረቱ የፍለጋ ስትራቴጂዎች

ሁለቱም የGPT-series እና የo-series ሞዴሎች ፋይል መስቀልን ይደግፋሉ፣ እና ተመሳሳይ የአውድ ማስገባት እና የፍለጋ ኢምቤዲንግ ሎጂክን ይጠቀማሉ። ሁሉም ሞዴሎች የቁልፍ ቃል እና ሴማንቲክ ዘዴዎችን በማዋሃድ በግል የፍለጋ መረጃ ጠቋሚ ላይ ሃይብሪድ ፍለጋዎችን ያከናውናሉ። በሃይብሪድ ፍለጋ ውስጥ፣ ሞዴሉ በተጠቃሚው እርምጃ ላይ ተመስርቶ የፍለጋ ሐረግ ያመነጫል፣ እና የግል የፍለጋ መረጃ ጠቋሚው ተዛማጅ ጽሑፍ እና ምስሎችን በዚሁ መሠረት ያመጣል።

ሆኖም፣ እነዚህ ሞዴሎች የአውድ መስኮቱን ከሚበልጡ ትላልቅ ሰነዶች ውስጥ በሚፈልጉበት መንገድ ይለያያሉ፦

የGPT-series ሞዴሎች

  • በአንድ እርምጃ አንድ ፍለጋ፦ የGPT-series ሞዴሎች ለእያንዳንዱ የተጠቃሚ እርምጃ አንድ ፍለጋ ያከናውናሉ።

  • ውጤታማ የአጠቃቀም ሁኔታዎች፦ በሰፊ ሰነዶች ውስጥ ለሚገኙ ቀጥተኛ ጥያቄዎች መልስ ለመስጠት ተመራጭ ናቸው።

የጥያቄ ምሳሌዎች፦

  • «ቀደም ብሎ ጡረታ ስለመውጣት ያለው የሰው ኃይል ፖሊሲ ምንድን ነው?»

  • «የprocess_order ፋንክሽን ምን ይሠራል?»

የo-series ሞዴሎች

  • በአንድ እርምጃ ብዙ ፍለጋዎች፦ ለእያንዳንዱ የተጠቃሚ እርምጃ ልዩ የፍለጋ ሐረግ በመጠቀም ብዙ ፍለጋዎችን (በተለምዶ 2-3) ማከናወን ይችላሉ። ፍለጋዎቹ በቅደም ተከተል ይከናወናሉ፤ ሞዴሉም ከቀደሙ ፍለጋዎች በተገኘ መረጃ መሠረት አቀራረቡን ማሻሻል ይችላል።

  • ውጤታማ የአጠቃቀም ሁኔታዎች፦ በሰፊ ሰነዶች ውስጥ ብዙ የታለሙ ፍለጋዎችን ለሚፈልጉ ውስብስብ ጥያቄዎች ይበልጥ ተስማሚ ናቸው።

የጥያቄ ምሳሌዎች፦

  • «ቀደም ብሎ ጡረታ ስለመውጣት፣ ስለወላጅነት ፈቃድ እና ወደ ውጭ አገር ስለመዛወር ያሉት የሰው ኃይል ፖሊሲዎች ምንድን ናቸው?»

  • «የprocess_order ፋንክሽን ምን እንደሚሠራ ያብራሩ፣ ይህ ፋንክሽን የሚጠራቸውን ሁሉንም ሜተዶች ይዘርዝሩ እና እያንዳንዱን በአጭሩ ይግለጹ።»

የo-series ሞዴሎች ጠንካራ ቢሆኑም፣ ጥያቄው ከሦስት በላይ ፍለጋዎችን ሲፈልግ ሊቸገሩ ይችላሉ።

የፋይል ፍለጋ ውጤቶችን ለማሻሻል ጠቃሚ ምክሮች

  • ብዙ ፍለጋዎችን ለሚፈልጉ ውስብስብ ጥያቄዎች የo-series ሞዴል መጠቀምን ይሞክሩ።

  • ምላሾች በሚሰቅሏቸው ሰነዶች አይነት፣ ብዛት እና መጠን መሠረት ሊለያዩ እንደሚችሉ ያስታውሱ።

  • በአጠቃላይ፣ ጥቂት እና ትኩረት ያላቸው ሰነዶችን መጫን ወደ ከፍተኛ ትክክለኛነት ይመራል።

  • ባለብዙ-ጥያቄ ርዕሶችን ወደ ነጠላ ጥያቄዎች ይቀይሩ፦

    • የእያንዳንዱ ግዛት የHR ፖሊሲዎችን ማወቅ ካስፈለገዎት፣ አንድ በአንድ ይጠይቁ።

    • ብዙ ሰነዶችን ማጠቃለል ካስፈለገዎት፣ በአንድ ጊዜ አንድ ሰነድ ይጠይቁ። ያ ሰነድ በመቶዎች የሚቆጠሩ ብዙ ገጾች ካሉት፣ ወደ ትንንሽ ክፍሎች መከፋፈሉን ያስቡ።

      • ሙሉ ሰነዶችን ከመስጠት ይልቅ ብዙ ማጠቃለያዎችን ከሰጡት፣ ChatGPT Enterprise «የማጠቃለያዎች ማጠቃለያ» እንዲጽፍ መጠየቅ ይችላሉ።

    • የRFP ያለው CSV ካለዎት (እያንዳንዱ መስመር የተለየ ጥያቄ ነው)፣ CSVውን ብቻ ከመጫን እና አንድ ምላሽ ከመጠየቅ ይልቅ እነዚያን ጥያቄዎች አንድ በአንድ ይጠይቁ።

  • የሞዴሉን ምላሾች ለመመርመር መንገዶችን ያግኙ። የGPT መመሪያ ምሳሌዎች ከታች አሉ፦

# ኮንቴክስት 

እርስዎ ሰነዶችን በመረዳት ረገድ ባለሙያ ነዎት። ተጠቃሚው አንድ ሰነድ ሊያያይዝ እና ጥያቄ ሊጠይቅ ነው። መልስዎን ከየትኛው ትክክለኛ የጽሑፉ ክፍል እንደወሰዱ መልሰው ማገናኘት መቻል አለባቸው።

# መመሪያዎች

1. ከታች በተሰጠው ትክክለኛ ቅርጸት በመጠቀም በተጠቃሚው የተያያዘ ሰነድ ላይ ተመስርተው የተጠቃሚውን ጥያቄ ይመልሱ

# ቅርጸት 

- ጥያቄ: { የተጠቃሚውን ጥያቄ ይድገሙ }
- መልስ: { ለተጠቃሚው ጥያቄ መልስ ያቅርቡ }
ምንጭ: 
- - የክፍል ቁጥር: { መልሱን ያገኙበትን የክፍል ቁጥር ያቅርቡ }
- - የክፍል ርዕስ: { መልሱን ያገኙበትን የክፍል ርዕስ ያቅርቡ }
- - ትክክለኛ ጽሑፍ: { መልሱን የወሰዱበትን ትክክለኛ ጽሑፍ ያቅርቡ }

# ህጎች

- ግልጽ እና አጭር የሆኑ መልሶችን ይስጡ
- በሰነዱ ውስጥ የተሰጠ መረጃ ብቻ ያቅርቡ
- መልሱን በሰነዱ ውስጥ ማግኘት ካልቻሉ፣ በቀላሉ “ምንም መረጃ አልተገኘም።” ብለው ይመልሱ

ይህ ጽሑፍ ጠቃሚ ነበር?