ChatGPT Enterprise вече поддържа разчитане и разбиране на визуални елементи (изображения, графики, диаграми и др.), вградени в PDF файлове, включени в подканите. Потребителите могат да качат PDF файл, а ChatGPT може да интерпретира текста и всички визуални елементи в него.
За подробности вижте: Често задавани въпроси за визуалното извличане от PDF файлове.
ChatGPT Enterprise ви позволява да качвате файлове по няколко начина:
Директно от компютъра си
Като знания за GPT
Като файл на проект
Чрез действие на GPT
Това ръководство обяснява как функциите на ChatGPT Enterprise обработват файловете според типа, броя и размера им и разглежда стратегии за подобряване на резултатите съобразно изискванията към файловете.
Обобщение
ChatGPT Enterprise обработва различните типове файлове по съвсем различен начин: извлича текст от текстови документи като PDF файлове, презентации и файлове на Word, анализира структурирани данни от електронни таблици с код на Python и описва изображения чрез GPT-Vision. За да получите очаквания резултат, е важно да разбирате кой тип файл задейства съответния процес на обработка.
При текстовите документи ChatGPT Enterprise включва възможно най-много относим текст директно към подканата и използва система за търсене, за да получи достъп до допълнителна информация. Това работи добре при отговаряне на конкретни въпроси. Този подход обаче може да срещне затруднения при сложни задачи като обобщаване на много големи документи или сравняване на няколко големи файла. Прочетете нататък, за да се запознаете със стратегии за подобряване на резултатите си.
Обработка на файлове според типа им
ChatGPT Enterprise обработва файлове по три основни начина: извличане на текст, анализ чрез код и интерпретиране на изображения. Типът на файла определя кой процес на обработка следва ChatGPT Enterprise.
| Извличане на информация от текст | Интерпретатор на кодове | Обработка на изображения | Визуално извличане | |
|---|---|---|---|---|
| Примери за типове файлове | pptx, docx, txt, md, json, xml, pdf* * PDF файлове, качени като знания за GPT или файлове на проект | csv, xls, xlsx* *Забележка: Интерпретаторът на кодове може да работи с всеки тип файл, но ChatGPT Enterprise най-често го използва по подразбиране за електронни таблици. | jpg, png | pdf* * PDF файлове, включени в потребителски подкани |
| Начин на работа | Извлича текста от файла — част от текста се поставя („вмъква“) директно в контекстния прозорец, а друга част се съхранява за търсене. | Интерпретаторът на кодове предава файла на Python за обработка. | Изображенията се интерпретират директно от мултимодални модели при известни ограничения. | Комбинация от извличане на информация от текст и обработка на изображения. Текстът се извлича цифрово, а визуалното съдържание се интерпретира директно от мултимодални модели. |
При файлове само с текст, изображения или ясно структурирани данни (например таблица с транзакции в Excel) това разпределение осигурява възможно най-добрата обработка.
Има и по-неясни случаи, например:
Изображенията, вградени във файлове, различни от PDF, не се обработват. За да ги включите, преобразувайте файла в PDF, преди да го качите.
ChatGPT Enterprise винаги използва Интерпретатор на кодове за работа с електронни таблици, дори когато документът съдържа много текст. Например, ако поискате от ChatGPT Enterprise да преведе CSV файл с 10 реда текст, той ще се опита да го преведе с библиотека на Python. Това дава по-неточен резултат, отколкото ако моделът генерира превода директно. За да намалите този проблем, опитайте да експортирате електронната таблица в текстов формат (например PDF).
По подобен начин, ако качите структурирана таблица с транзакции в JSON файл, ChatGPT Enterprise ще интерпретира този файл като обикновен текст. Ако искате да анализирате данните в JSON файл, укажете в подканата си моделът да използва Интерпретатор на кодове.
Обработка на файлове според размера
ChatGPT Enterprise използва модели с максимален контекстен прозорец от 128 хил. токена (приблизително 200 страници текст). Не всички токени обаче се използват за включване на текста от качените файлове. Броят на „включените“ токени варира според типа употреба.
ChatGPT Enterprise „включва“ определено количество текст, а останалият текст се изпраща към частен индекс за търсене („векторно хранилище“, което е тип база данни, предназначена да съхранява и извлича ефективно големи количества текст). Когато зададете въпрос, ChatGPT Enterprise включва добавения текст заедно с релевантни части, извлечени от частен индекс за търсене.
Ако качите един документ, ChatGPT Enterprise включва текст от началото, докато достигне лимита си. Ако качите няколко документа, ChatGPT Enterprise включва част или целия текст от всеки документ. Целият текст от документите също се изпраща към частен индекс за търсене.
Включване в контекста за текстови документи
Тази функция е в процес на активно разработване. Поради това следните подробности подлежат на промяна без предизвестие.
ChatGPT Enterprise може да обработва до 110 хил. токена от качени документи в контекстния прозорец. Ако качите един или повече документи с общ обем под 110 хил. токена, съдържанието им ще бъде включено изцяло.
Ако един документ надвишава 110 хил. токена, ще бъдат включени само първите 110 хил. токена от началото му. Останалото съдържание ще бъде изпратено само в частния индекс за търсене.
Ако са качени няколко документа с общ обем над 110 хил. токена, ChatGPT Enterprise използва следния процес, за да включи балансирано съдържание от всеки документ:
Извлича до 55 хил. токена, разпределени поравно между качените документи.
За документите, които не са включени изцяло на първата стъпка, разпределя оставащите 55 хил. токена пропорционално на броя токени, останали във всеки документ.
Всички останали токени се изпращат само в частния индекс за търсене.
Можете да прецените броя токени в текстов документ, като копирате текста му в токенизатора на OpenAI.
Включване на мултимедийни PDF файлове в контекста
Когато потребителите качват PDF файлове с текст и изображения, визуалното извличане позволява на ChatGPT да обработва тези изображения директно, заедно с цифрово извлечения текст. Следните стъпки допълват стандартните ни процедури за обработка на контекста при мултимедийни PDF файлове:
Извличане и вграждане на изображения: Изображенията се извличат и вграждат заедно със свързания с тях цифров текст.
Интелигентно мащабиране: Изображенията се мащабират автоматично, за да се поддържа баланс между качеството на информацията и ефективното използване на наличния контекстен прозорец.
Когато качените PDF файлове надвишават лимита от 110 хил. токена, както изображенията, така и текстът се вграждат в частния индекс за търсене. Векторните представяния на текста препращат към съответните изображения, което позволява на ChatGPT да извлича подходящите двойки текст–изображение според заявките на потребителите. След това извлечените изображения се обработват чрез вградените мултимодални възможности на ChatGPT.
Трудно е да се прецени точно колко токена са необходими за мултимедийни PDF файлове. Тестовете показват, че приблизително 350 страници със смесено съдържание от текст и изображения запълват контекстния прозорец от 110 хил. токена.
Стратегии за търсене според типа модел
Както моделите от GPT-серията, така и моделите от o-серията поддържат качване на файлове и използват идентична логика за включване в контекста и вграждания за търсене. Всички модели изпълняват хибридни търсения в частен индекс за търсене, комбинирайки методи с ключови думи и семантични методи. При хибридно търсене моделът генерира фраза за търсене въз основа на подканата на потребителя, а частният индекс за търсене извлича съответните текст и изображения.
Тези модели обаче се различават по начина, по който търсят в големи документи, надхвърлящи контекстния прозорец:
Модели от серията GPT
Едно търсене за всяка подкана: Моделите от серията GPT извършват по едно търсене за всяка потребителска подкана.
Подходящи приложения: Идеални са за отговаряне на ясни и конкретни въпроси, чиито отговори се намират в обширна документация.
Примерни заявки:
„Каква е политиката на отдел „Човешки ресурси“ за ранно пенсиониране?“
„Какво прави функцията process_order?“
Модели от серията o
Няколко търсения за всяка подкана: Могат да извършват няколко търсения (обикновено 2–3) за всяка потребителска подкана, всяко с уникална фраза за търсене. Търсенията се извършват последователно, а моделът може да променя подхода си въз основа на информацията, извлечена при предишните търсения.
Подходящи приложения: По-подходящи са за сложни въпроси, изискващи няколко целеви търсения в обширна документация.
Примерни заявки:
„Какви са политиките на отдел „Човешки ресурси“ за ранно пенсиониране, родителски отпуск и преместване в чужбина?“
„Обяснете какво прави функцията process_order, избройте всички методи, които тя извиква, и опишете накратко всеки от тях.“
Въпреки предимствата си моделите от серията o може да изпитват затруднения, когато една заявка изисква повече от три търсения.
Съвети за подобряване на резултатите от търсенето във файлове
Опитайте да използвате модел от o-серията за сложни въпроси, изискващи множество търсения.
Имайте предвид, че отговорите може да варират според типа, броя и размера на документите, които качвате.
Като цяло зареждането на по-малко на брой, фокусирани документи води до по-висока точност.
Превърнете темите с множество въпроси в отделни въпроси:
Ако трябва да знаете HR политиките на всеки щат, задавайте въпросите един по един.
Ако трябва да обобщите много документи, поискайте по един документ наведнъж. Ако този документ е от много стотици страници, помислете дали да не го разделите на по-малки части.
Можете да помолите ChatGPT Enterprise да напише „обобщение на обобщения“, ако му подадете няколко обобщения вместо цели документи.
Ако имате CSV файл на RFP (всеки ред е различен въпрос), задавайте тези въпроси един по един, вместо просто да заредите CSV файла и да поискате един общ отговор.
Намерете начини да проверявате отговорите на модела. По-долу са дадени примерни инструкции за GPT:
# Контекст
Вие сте експерт в разбирането на документи. Потребителят ще прикачи документ и ще зададе въпрос. Той трябва да може да свърже отговора ви с точната част от текста, от която сте взели отговора си.
# Инструкции
1. Отговорете на въпроса на потребителя въз основа на прикачения документ, като използвате точния формат, предоставен по-долу
# Формат
- Въпрос: { повторете въпроса на потребителя }
- Отговор: { дайте отговор на въпроса на потребителя }
Източник:
- - Номер на раздел: { посочете номера на раздела, от който сте взели отговора }
- - Заглавие на раздел: { посочете заглавието на раздела, от който сте взели отговора }
- - Точен текст: { посочете точния текст, от който сте взели отговора }
# Правила
- Давайте ясни и кратки отговори
- Предоставяйте само информация, дадена в документа
- Ако не можете да намерите отговора в документа, просто отговорете „Не е намерена информация.“