ChatGPT Enterprise এখন প্রম্পটে অন্তর্ভুক্ত পিডিএফ ফাইলের মধ্যে থাকা দৃশ্যভিত্তিক উপাদান (ছবি, লেখচিত্র, চিত্র ইত্যাদি) পড়তে ও বুঝতে পারে. ব্যবহারকারীরা পিডিএফ আপলোড করতে পারেন, আর ChatGPT সেই ফাইলের লেখা এবং যেকোনো দৃশ্যভিত্তিক উপাদান ব্যাখ্যা করতে পারে.
বিস্তারিত জানতে দেখুন: পিডিএফ থেকে দৃশ্যভিত্তিক তথ্য উদ্ধার সম্পর্কে সাধারণ প্রশ্নোত্তর.
ChatGPT Enterprise-এ কয়েকটি উপায়ে ফাইল আপলোড করা যায়:
সরাসরি আপনার কম্পিউটার থেকে
GPT-এর জ্ঞানের উৎস হিসেবে
প্রকল্পের ফাইল হিসেবে
GPT অ্যাকশন থেকে
ধরন, সংখ্যা ও আকার অনুযায়ী ChatGPT Enterprise-এর সুবিধাগুলো কীভাবে ফাইল প্রক্রিয়াকরণ করে, এই নির্দেশিকায় তা ব্যাখ্যা করা হয়েছে. ফাইলের প্রয়োজন অনুযায়ী আরও ভালো ফল পাওয়ার কৌশলও আলোচনা করা হয়েছে.
সারসংক্ষেপ
ChatGPT Enterprise ফাইলের ধরন অনুযায়ী সম্পূর্ণ আলাদা পদ্ধতিতে কাজ করে: পিডিএফ, উপস্থাপনা ও ওয়ার্ড ফাইলের মতো লেখাভিত্তিক নথি থেকে লেখা সংগ্রহ করে, পাইথন কোড ব্যবহার করে স্প্রেডশিটের সুবিন্যস্ত তথ্য বিশ্লেষণ করে এবং GPT-Vision-এর মাধ্যমে ছবির ফাইলের বর্ণনা দেয়. কোন ধরনের ফাইলের জন্য কোন কর্মপ্রবাহ চালু হয়, তা বোঝা প্রত্যাশিত ফল পাওয়ার জন্য জরুরি.
লেখাভিত্তিক নথির ক্ষেত্রে ChatGPT Enterprise যতটা সম্ভব প্রাসঙ্গিক লেখা সরাসরি প্রম্পটের সঙ্গে অন্তর্ভুক্ত করে এবং অতিরিক্ত তথ্য পেতে একটি অনুসন্ধান ব্যবস্থা ব্যবহার করে. নির্দিষ্ট প্রশ্নের উত্তর দেওয়ার ক্ষেত্রে এটি ভালো কাজ করে. তবে খুব বড় নথির সারসংক্ষেপ তৈরি বা একাধিক বড় ফাইলের তুলনা করার মতো জটিল কাজে এই পদ্ধতি সমস্যায় পড়তে পারে. আরও ভালো ফল পাওয়ার কৌশল জানতে পড়তে থাকুন.
ধরন অনুযায়ী ফাইল প্রক্রিয়াকরণ
ChatGPT Enterprise প্রধানত তিনভাবে ফাইল প্রক্রিয়াকরণ করে: লেখা সংগ্রহ, কোড দিয়ে বিশ্লেষণ এবং ছবি ব্যাখ্যা. ChatGPT Enterprise কোন কর্মপ্রবাহ অনুসরণ করবে, তা নির্ভর করে ফাইলের ধরনের ওপর.
| লেখাভিত্তিক তথ্য উদ্ধার | কোড ইন্টারপ্রিটার | ছবি প্রক্রিয়াকরণ | দৃশ্যভিত্তিক তথ্য উদ্ধার | |
|---|---|---|---|---|
| ফাইলের ধরনের উদাহরণ | pptx, docx, txt, md, json, xml, pdf* * GPT-এর জ্ঞানের উৎস বা প্রকল্পের ফাইল হিসেবে আপলোড করা পিডিএফ | csv, xls, xlsx* *দ্রষ্টব্য: কোড ইন্টারপ্রিটার যেকোনো ধরনের ফাইল নিয়ে কাজ করতে পারে, তবে স্প্রেডশিটের ক্ষেত্রে ChatGPT Enterprise সাধারণত নিজে থেকেই কোড ইন্টারপ্রিটার ব্যবহার করে | jpg, png | pdf* * ব্যবহারকারীর প্রম্পটে অন্তর্ভুক্ত পিডিএফ |
| কাজের পদ্ধতি | ফাইল থেকে লেখা সংগ্রহ করে—কিছু লেখা সরাসরি কনটেক্সট উইন্ডোতে বসানো (“ভরে দেওয়া”) হয়; কিছু লেখা অনুসন্ধানের জন্য সংরক্ষণ করা হয় | কোড ইন্টারপ্রিটার ফাইলটি প্রক্রিয়াকরণের জন্য পাইথনে পাঠায় | মাল্টি-মোডাল মডেলগুলো নিজস্ব সক্ষমতা দিয়ে ছবি ব্যাখ্যা করে, তবে কিছু পরিচিত সীমাবদ্ধতা রয়েছে. | লেখা উদ্ধার ও ছবি প্রক্রিয়াকরণের সমন্বিত পদ্ধতি. লেখা ডিজিটালভাবে সংগ্রহ করা হয় এবং মাল্টি-মোডাল মডেলগুলো নিজস্ব সক্ষমতা দিয়ে দৃশ্যভিত্তিক বিষয়বস্তু ব্যাখ্যা করে. |
শুধু লেখা রয়েছে এমন ফাইল, ছবির ফাইল বা স্পষ্টভাবে সাজানো তথ্যের ফাইলের (যেমন, এক্সেলে লেনদেনের সারণি) ক্ষেত্রে এই পৃথক পদ্ধতিগুলোই সবচেয়ে ভালো কাজ করে.
তবে কিছু ক্ষেত্রে বিষয়টি এতটা স্পষ্ট নয়, যেমন:
পিডিএফ ছাড়া অন্য কোনো ফাইলের মধ্যে থাকা ছবি প্রক্রিয়াকরণ করা হয় না. ছবিগুলো অন্তর্ভুক্ত করতে আপলোড করার আগে ফাইলটি পিডিএফে রূপান্তর করুন.
স্প্রেডশিট নিয়ে কাজ করার জন্য ChatGPT Enterprise সব সময় কোড ইন্টারপ্রিটার ব্যবহার করবে, এমনকি নথিতে প্রচুর লেখা থাকলেও. উদাহরণস্বরূপ, ChatGPT Enterprise-কে ১০ সারি লেখা রয়েছে এমন একটি সিএসভি ফাইল অনুবাদ করতে বললে, এটি পাইথনের একটি লাইব্রেরি ব্যবহার করে ফাইলটি অনুবাদ করার চেষ্টা করবে. মডেলকে সরাসরি অনুবাদ করতে দেওয়ার তুলনায় এই পদ্ধতি কম নির্ভুল. এই সমস্যা কমাতে স্প্রেডশিটটি লেখাভিত্তিক কোনো বিন্যাসে (যেমন পিডিএফ) রপ্তানি করে দেখুন.
একইভাবে, জেসন ফাইলে থাকা একটি সুবিন্যস্ত লেনদেনের সারণি আপলোড করলে, ChatGPT Enterprise ফাইলটিকে সাধারণ লেখা হিসেবে গণ্য করবে. জেসন ফাইলে থাকা তথ্য বিশ্লেষণ করতে চাইলে, আপনার প্রম্পটে মডেলকে কোড ইন্টারপ্রিটার ব্যবহার করার নির্দেশ দিন.
আকার অনুযায়ী ফাইল পরিচালনা
ChatGPT Enterprise সর্বোচ্চ 128k টোকেনের কনটেক্সট উইন্ডোসহ মডেল ব্যবহার করে (প্রায় ২০০ পৃষ্ঠার টেক্সট). তবে, আপলোড করা ফাইলের টেক্সট অন্তর্ভুক্ত করতে সব টোকেন ব্যবহার করা হয় না. “স্টাফড” টোকেনের সংখ্যা ব্যবহারের ধরন অনুযায়ী পরিবর্তিত হয়.
ChatGPT Enterprise কিছু পরিমাণ টেক্সট “স্টাফ” করে, এবং বাকি টেক্সট একটি প্রাইভেট সার্চ ইনডেক্সে পাঠানো হয় (একটি “ভেক্টর স্টোর”, যা এমন এক ধরনের ডাটাবেস যা দক্ষতার সঙ্গে বিপুল পরিমাণ টেক্সট সংরক্ষণ ও উদ্ধার করার জন্য তৈরি). আপনি প্রশ্ন করলে, ChatGPT Enterprise অন্তর্ভুক্ত টেক্সটের সঙ্গে প্রাইভেট সার্চ ইনডেক্স থেকে উদ্ধার করা প্রাসঙ্গিক অংশগুলোও নিয়ে আসে.
আপনি যদি একটি মাত্র ডকুমেন্ট আপলোড করেন, ChatGPT Enterprise শুরু থেকে টেক্সট অন্তর্ভুক্ত করে যতক্ষণ না তার সীমায় পৌঁছায়. আপনি একাধিক ডকুমেন্ট আপলোড করলে, ChatGPT Enterprise প্রতিটি ডকুমেন্টের কিছু বা সব অংশ অন্তর্ভুক্ত করে. ডকুমেন্টগুলোর সব টেক্সটও একটি প্রাইভেট সার্চ ইনডেক্সে পাঠানো হয়.
টেক্সট ডকুমেন্টের জন্য কনটেক্সট স্টাফিং
এই ফিচারটি সক্রিয় উন্নয়নাধীন। তাই, নিচের বিস্তারিত তথ্য পূর্ব নোটিশ ছাড়াই পরিবর্তিত হতে পারে.
ChatGPT Enterprise আপলোড করা নথি থেকে সর্বোচ্চ ১ লক্ষ ১০ হাজার টোকেন কনটেক্সট উইন্ডোতে প্রক্রিয়াকরণ করতে পারে. আপনার আপলোড করা এক বা একাধিক নথিতে মোট টোকেনের সংখ্যা ১ লক্ষ ১০ হাজারের কম হলে, সম্পূর্ণ বিষয়বস্তু অন্তর্ভুক্ত করা হবে.
একটি নথিতে ১ লক্ষ ১০ হাজারের বেশি টোকেন থাকলে, নথির শুরু থেকে শুধু প্রথম ১ লক্ষ ১০ হাজার টোকেন অন্তর্ভুক্ত করা হবে. বাকি অংশ শুধু ব্যক্তিগত অনুসন্ধান সূচিতে পাঠানো হবে.
একাধিক নথি আপলোড করা হলে এবং সেগুলোতে মোট টোকেনের সংখ্যা ১ লক্ষ ১০ হাজার ছাড়িয়ে গেলে, প্রতিটি নথির বিষয়বস্তু ভারসাম্যপূর্ণভাবে অন্তর্ভুক্ত করতে ChatGPT Enterprise নিচের প্রক্রিয়া অনুসরণ করে:
আপলোড করা নথিগুলো থেকে সমান ভাগে মোট সর্বোচ্চ ৫৫ হাজার টোকেন সংগ্রহ করা হয়.
প্রথম ধাপে যেসব নথি সম্পূর্ণভাবে অন্তর্ভুক্ত হয়নি, সেগুলোর প্রতিটিতে অবশিষ্ট টোকেনের সংখ্যার অনুপাতে বাকি ৫৫ হাজার টোকেন বরাদ্দ করা হয়.
এরপরও কোনো টোকেন অবশিষ্ট থাকলে, সেগুলো শুধু ব্যক্তিগত অনুসন্ধান সূচিতে পাঠানো হয়.
লেখাভিত্তিক নথির লেখা কপি করে OpenAI টোকেনাইজারে বসিয়ে নথিটির টোকেনের সংখ্যা অনুমান করতে পারেন.
মাল্টিমিডিয়া পিডিএফের বিষয়বস্তু সরাসরি কনটেক্সটে অন্তর্ভুক্ত করা
ব্যবহারকারীরা লেখা ও ছবি উভয়ই রয়েছে এমন পিডিএফ আপলোড করলে, দৃশ্যভিত্তিক তথ্য উদ্ধার সুবিধার মাধ্যমে ChatGPT ডিজিটালভাবে সংগ্রহ করা লেখার পাশাপাশি নিজস্ব সক্ষমতা দিয়ে ছবিগুলোও প্রক্রিয়াকরণ করতে পারে. মাল্টিমিডিয়া পিডিএফের কনটেক্সট ব্যবস্থাপনার নিয়মিত প্রক্রিয়ার পাশাপাশি নিচের ধাপগুলোও অনুসরণ করা হয়:
ছবি সংগ্রহ ও এমবেডিং: ছবিগুলো সংগ্রহ করে সেগুলোর সঙ্গে সংশ্লিষ্ট ডিজিটাল লেখাসহ এমবেড করা হয়.
বুদ্ধিমত্তার সঙ্গে আকার সমন্বয়: তথ্যের মান বজায় রাখা এবং উপলব্ধ কনটেক্সট উইন্ডোর দক্ষ ব্যবহারের মধ্যে ভারসাম্য রাখতে ছবির আকার স্বয়ংক্রিয়ভাবে সমন্বয় করা হয়.
আপলোড করা পিডিএফগুলো ১ লক্ষ ১০ হাজার টোকেনের সীমা ছাড়িয়ে গেলে, ছবি ও লেখা উভয়ই ব্যক্তিগত অনুসন্ধান সূচিতে এমবেড করা হয়. লেখার এমবেডিংয়ে প্রাসঙ্গিক ছবির উল্লেখ থাকে, ফলে ব্যবহারকারীর প্রশ্নের ভিত্তিতে ChatGPT সঠিক লেখা-ছবির জোড়া উদ্ধার করতে পারে. এরপর উদ্ধার করা ছবিগুলো ChatGPT-এর নিজস্ব মাল্টি-মোডাল সক্ষমতা ব্যবহার করে প্রক্রিয়াকরণ করা হয়.
মাল্টিমিডিয়া পিডিএফের জন্য কত টোকেন প্রয়োজন, তা নির্ভুলভাবে অনুমান করা কঠিন. পরীক্ষায় দেখা গেছে, লেখা ও ছবি মেশানো প্রায় ৩৫০ পৃষ্ঠার বিষয়বস্তু ১ লক্ষ ১০ হাজার টোকেনের কনটেক্সট উইন্ডো পুরোপুরি ব্যবহার করবে.
মডেলের ধরন অনুযায়ী সার্চ কৌশল
GPT-সিরিজ এবং o-সিরিজ উভয় মডেলই ফাইল আপলোড সমর্থন করে এবং একই কনটেক্সট স্টাফিং ও সার্চ এমবেডিং লজিক ব্যবহার করে. সব মডেলই একটি প্রাইভেট সার্চ ইনডেক্সে হাইব্রিড সার্চ চালায়, যেখানে কীওয়ার্ড ও সেমান্টিক পদ্ধতি একসঙ্গে ব্যবহার করা হয়. হাইব্রিড সার্চে, মডেল ব্যবহারকারীর প্রম্পটের ভিত্তিতে একটি সার্চ বাক্যাংশ তৈরি করে, এবং প্রাইভেট সার্চ ইনডেক্স সেই অনুযায়ী প্রাসঙ্গিক টেক্সট ও ছবি উদ্ধার করে.
তবে, কনটেক্সট উইন্ডো ছাড়িয়ে যায় এমন বড় ডকুমেন্টে কীভাবে সার্চ করা হয়, সে ক্ষেত্রে এই মডেলগুলোর পার্থক্য আছে:
GPT-সিরিজের মডেল
প্রতি প্রম্পটে একটি অনুসন্ধান: GPT-সিরিজের মডেলগুলো প্রতি ব্যবহারকারী প্রম্পটে একটি অনুসন্ধান করে.
কার্যকর ব্যবহারক্ষেত্র: বিস্তৃত ডকুমেন্টেশনের মধ্যে থাকা সরল প্রশ্নের উত্তর দেওয়ার জন্য আদর্শ.
উদাহরণ প্রশ্ন:
“আগাম অবসর সম্পর্কিত HR নীতি কী?”
“process_order ফাংশনটি কী করে?”
o-সিরিজের মডেল
প্রতি প্রম্পটে একাধিক অনুসন্ধান: প্রতিটি ব্যবহারকারী প্রম্পটে একাধিক অনুসন্ধান (সাধারণত ২-৩টি) চালাতে পারে, প্রতিটির জন্য আলাদা অনুসন্ধান বাক্যাংশ থাকে. অনুসন্ধানগুলো ধারাবাহিকভাবে চালানো হয়, এবং আগের অনুসন্ধানে পাওয়া তথ্যের ভিত্তিতে মডেল তার পদ্ধতি আপডেট করতে পারে.
কার্যকর ব্যবহারক্ষেত্র: বিস্তৃত ডকুমেন্টেশনে একাধিক লক্ষ্যভিত্তিক অনুসন্ধান দরকার এমন জটিল প্রশ্নের জন্য বেশি উপযোগী.
উদাহরণ প্রশ্ন:
“আগাম অবসর, পিতামাতৃত্বকালীন ছুটি এবং বিদেশে বদলি সম্পর্কিত HR নীতিগুলো কী?”
“process_order ফাংশনটি কী করে তা ব্যাখ্যা করুন, এই ফাংশন যে সব মেথড ডাকে সেগুলো তালিকাভুক্ত করুন এবং ডাকা প্রতিটি মেথড সংক্ষেপে বর্ণনা করুন.”
নিজেদের শক্তি থাকা সত্ত্বেও, কোনো প্রশ্নে তিনটির বেশি অনুসন্ধান দরকার হলে o-সিরিজের মডেলগুলো সমস্যায় পড়তে পারে.
ফাইল সার্চের ফলাফল উন্নত করার টিপস
একাধিক সার্চ দরকার এমন জটিল প্রশ্নের জন্য o-সিরিজের মডেল ব্যবহার করে দেখুন.
মনে রাখবেন, আপনার আপলোড করা ডকুমেন্টের ধরন, সংখ্যা ও আকার অনুযায়ী প্রতিক্রিয়া ভিন্ন হতে পারে.
সাধারণত, কম সংখ্যক ও বেশি লক্ষ্যভিত্তিক ডকুমেন্ট লোড করলে নির্ভুলতা বেশি হবে.
বহু-প্রশ্নের বিষয়কে একক প্রশ্নে রূপান্তর করুন:
আপনার যদি প্রতিটি অঙ্গরাজ্যের HR নীতি জানতে হয়, একে একে জিজ্ঞাসা করুন.
অনেক ডকুমেন্ট সারসংক্ষেপ করতে হলে, একবারে একটি ডকুমেন্টের জন্য জিজ্ঞাসা করুন. যদি সেই ডকুমেন্টটি বহু শত পৃষ্ঠার হয়, এটিকে ছোট ছোট অংশে ভাগ করার কথা ভাবুন.
সম্পূর্ণ ডকুমেন্টের বদলে একাধিক সারসংক্ষেপ দিলে, আপনি ChatGPT Enterprise-কে “সারসংক্ষেপের সারসংক্ষেপ” লিখতে বলতে পারেন.
আপনার কাছে যদি কোনো RFP-এর CSV থাকে (প্রতিটি লাইনে আলাদা প্রশ্ন), শুধু CSV লোড করে একটি উত্তর চাওয়ার বদলে প্রশ্নগুলো একে একে জিজ্ঞাসা করুন.
মডেলের প্রতিক্রিয়া অডিট করার উপায় খুঁজুন. উদাহরণ GPT নির্দেশনা নিচে দেওয়া আছে:
# প্রসঙ্গ
আপনি ডকুমেন্ট বোঝার ক্ষেত্রে একজন বিশেষজ্ঞ। ব্যবহারকারী একটি ডকুমেন্ট সংযুক্ত করবেন এবং একটি প্রশ্ন করবেন। তাদের এমনভাবে আপনার উত্তর দরকার যাতে আপনি উত্তরটি টেক্সটের ঠিক কোন অংশ থেকে নিয়েছেন, সেটির সাথে তারা সংযোগ করতে পারেন.
# নির্দেশনা
1. নিচে দেওয়া সঠিক ফরম্যাট ব্যবহার করে সংযুক্ত ডকুমেন্টের ভিত্তিতে ব্যবহারকারীর প্রশ্নের উত্তর দিন.
# ফরম্যাট
- Question: { ব্যবহারকারীর প্রশ্নটি পুনরাবৃত্তি করুন }
- Answer: { ব্যবহারকারীর প্রশ্নের উত্তর দিন }
Source:
- - Section Number: { যে section number থেকে আপনি উত্তর নিয়েছেন তা দিন }
- - Section Title: { যে section title থেকে আপনি উত্তর নিয়েছেন তা দিন }
- - Exact Text: { যে সঠিক টেক্সট থেকে আপনি উত্তর নিয়েছেন তা দিন }
# নিয়ম
- উত্তরগুলো স্পষ্ট ও সংক্ষিপ্ত রাখুন
- ডকুমেন্টে দেওয়া তথ্যই শুধু প্রদান করুন
- আপনি যদি ডকুমেন্টে উত্তরটি খুঁজে না পান, তাহলে শুধু উত্তর দিন “কোনো তথ্য পাওয়া যায়নি.”