ChatGPT Enterprise kan nu læse og forstå visuelle elementer (billeder, grafer, diagrammer osv.), der er indlejret i PDF-filer vedhæftet prompts. Brugere kan uploade en PDF-fil, og ChatGPT kan fortolke teksten og eventuelle visuelle elementer i filen.
Læs mere her: Ofte stillede spørgsmål om visuel informationssøgning i PDF-filer.
ChatGPT Enterprise giver dig mulighed for at uploade filer på flere måder:
Direkte fra din computer
Som viden til en GPT
Som en projektfil
Fra en GPT-handling
Denne vejledning forklarer, hvordan funktionerne i ChatGPT Enterprise håndterer filer ud fra deres type, antal og størrelse, og gennemgår strategier til at forbedre resultaterne under hensyntagen til filernes krav.
Opsummering
ChatGPT Enterprise behandler forskellige filtyper meget forskelligt: Det udtrækker tekst fra tekstdokumenter som PDF-filer, præsentationer og Word-filer, analyserer strukturerede data fra regneark med Python-kode og beskriver billedfiler via GPT-Vision. For at få det forventede resultat er det afgørende at forstå, hvilken filtype der udløser hvilken arbejdsgang.
For tekstbaserede dokumenter medtager ChatGPT Enterprise så meget relevant tekst som muligt direkte sammen med prompten og bruger et søgesystem til at tilgå yderligere oplysninger. Det fungerer godt til at besvare specifikke spørgsmål. Denne tilgang kan dog have svært ved at håndtere komplekse opgaver som at opsummere meget store dokumenter eller sammenligne flere store filer. Læs videre for at lære, hvordan du kan forbedre dine resultater.
Håndtering af filer efter type
ChatGPT Enterprise behandler filer på tre primære måder: udtrækning af tekst, analyse med kode og fortolkning af billeder. Filtypen bestemmer, hvilken arbejdsgang ChatGPT Enterprise følger.
| Tekstbaseret informationssøgning | Kodefortolker | Billedbehandling | Visuel informationssøgning | |
|---|---|---|---|---|
| Eksempler på filtyper | pptx, docx, txt, md, json, xml, pdf* * PDF-filer uploadet som viden til en GPT eller projektfiler | csv, xls, xlsx* *Bemærk: Kodefortolker kan arbejde med alle filtyper, men ChatGPT Enterprise bruger oftest Kodefortolker som standard til regneark | jpg, png | pdf* * PDF-filer vedhæftet brugerprompts |
| Funktionsmåde | Udtrækker teksten fra filen – noget af teksten indsættes (»fyldes ind«) direkte i kontekstvinduet, mens resten gemmes til søgning | Kodefortolker sender filen til Python, hvor den behandles | Billeder fortolkes direkte af multimodale modeller med kendte begrænsninger. | En kombination af tekstbaseret informationssøgning og billedbehandling. Tekst udtrækkes digitalt, og visuelt indhold fortolkes direkte af multimodale modeller. |
For rene tekstfiler, billedfiler eller tydeligt strukturerede datafiler (f.eks. en Excel-tabel med transaktioner) giver denne opdeling den bedst mulige behandling.
Der er dog nogle gråzoner, hvor håndteringen er mindre indlysende, for eksempel:
Billeder, der er indlejret i andre filer end PDF-filer, behandles ikke. Hvis billederne skal medtages, skal du konvertere filen til PDF, før du uploader den.
ChatGPT Enterprise bruger altid Kodefortolker til at arbejde med regneark, selv hvis dokumentet indeholder store mængder tekst. Hvis du for eksempel beder ChatGPT Enterprise om at oversætte en CSV-fil med 10 rækker tekst, vil det forsøge at oversætte filen med et Python-bibliotek. Det er mindre præcist end at lade modellen generere en oversættelse direkte. For at afhjælpe dette kan du prøve at eksportere regnearket til et tekstbaseret format (for eksempel PDF).
Hvis du uploader en struktureret tabel med transaktioner i en JSON-fil, vil ChatGPT Enterprise tilsvarende fortolke filen som almindelig tekst. Hvis du vil analysere dataene i en JSON-fil, skal du i din prompt bede modellen om at bruge Kodefortolker.
Håndtering af filer baseret på størrelse
ChatGPT Enterprise bruger modeller med et maksimalt kontekstvindue på 128k tokens (omtrent 200 sider tekst). Det er dog ikke alle tokens, der bruges til at indarbejde teksten fra uploadede filer. Antallet af “stuffed” tokens varierer efter brugstype.
ChatGPT Enterprise “stuffer” en vis mængde tekst, og den resterende tekst sendes til et privat søgeindeks (en “vektorlager”, som er en type database, der er designet til effektivt at gemme og hente store mængder tekst). Når du stiller et spørgsmål, medtager ChatGPT Enterprise den inkluderede tekst sammen med relevante uddrag hentet fra et privat søgeindeks.
Hvis du uploader et enkelt dokument, inkluderer ChatGPT Enterprise tekst fra begyndelsen, indtil grænsen nås. Hvis du uploader flere dokumenter, inkluderer ChatGPT Enterprise noget eller alt fra hvert dokument. Al tekst fra dokumenterne sendes også til et privat søgeindeks.
Context stuffing for tekstdokumenter
Denne funktion er under aktiv udvikling. Derfor kan følgende detaljer ændres uden varsel.
ChatGPT Enterprise kan behandle op til 110.000 tokens fra uploadede dokumenter i kontekstvinduet. Hvis du uploader et eller flere dokumenter med i alt under 110.000 tokens, medtages hele indholdet.
For et enkelt dokument med over 110.000 tokens medtages kun de første 110.000 tokens fra dokumentets begyndelse. Resten sendes kun til det private søgeindeks.
Hvis du uploader flere dokumenter med i alt over 110.000 tokens, bruger ChatGPT Enterprise følgende proces til at sikre en afbalanceret repræsentation af dokumenterne:
Udtræk op til 55.000 tokens, fordelt ligeligt mellem de uploadede dokumenter.
Fordel de resterende 55.000 tokens forholdsmæssigt mellem de dokumenter, der ikke er fuldt repræsenteret i første trin, ud fra antallet af tokens, der er tilbage i hvert dokument.
Eventuelle resterende tokens sendes kun til det private søgeindeks.
Du kan anslå antallet af tokens i et tekstdokument ved at kopiere dokumentets tekst ind i OpenAI Tokenizer.
Indsættelse af indhold i konteksten for PDF-filer med multimedieindhold
Når brugere uploader PDF-filer med både tekst og billeder, gør visuel informationssøgning det muligt for ChatGPT at behandle billederne direkte sammen med digitalt udtrukket tekst. Følgende trin supplerer vores standardprocedurer for håndtering af kontekst i PDF-filer med multimedieindhold:
Udtrækning og indlejring af billeder: Billeder udtrækkes og indlejres sammen med den tilhørende digitale tekst.
Intelligent skalering: Billeder skaleres automatisk for at opretholde en balance mellem informationskvalitet og effektiv udnyttelse af det tilgængelige kontekstvindue.
Når uploadede PDF-filer overskrider grænsen på 110.000 tokens, indlejres både billeder og tekst i det private søgeindeks. Tekstindlejringer henviser til relevante billeder, så ChatGPT kan hente de relevante par af tekst og billeder ud fra brugernes forespørgsler. De hentede billeder behandles derefter med ChatGPT's indbyggede multimodale funktioner.
Det er svært at anslå præcist, hvor mange tokens PDF-filer med multimedieindhold kræver. Tests tyder på, at omkring 350 sider med blandet tekst og billeder vil fylde hele kontekstvinduet på 110.000 tokens.
Søgestrategier baseret på modeltype
Både GPT-seriens og o-seriens modeller understøtter filuploads og bruger identisk logik til context stuffing og søgeindlejringer. Alle modeller udfører hybridsøgninger mod et privat søgeindeks, der kombinerer nøgleordsbaserede og semantiske metoder. I en hybridsøgning genererer modellen en søgefrase baseret på brugerens prompt, og det private søgeindeks henter relevant tekst og relevante billeder derefter.
Disse modeller adskiller sig dog i, hvordan de søger i store dokumenter, der overstiger kontekstvinduet:
Modeller i GPT-serien
Én søgning pr. prompt: Modeller i GPT-serien udfører én søgning pr. brugerprompt.
Velegnede anvendelser: Ideel til at besvare enkle spørgsmål, hvor svaret findes i omfattende dokumentation.
Eksempler på forespørgsler:
»Hvilken HR-politik gælder for førtidspensionering?«
»Hvad gør funktionen process_order?«
Modeller i o-serien
Flere søgninger pr. prompt: Kan udføre flere søgninger (typisk 2-3) pr. brugerprompt, hver med sin egen søgefrase. Søgningerne udføres efter hinanden, og modellen kan justere sin tilgang ud fra oplysninger fra tidligere søgninger.
Velegnede anvendelser: Bedre egnet til komplekse spørgsmål, der kræver flere målrettede søgninger i omfattende dokumentation.
Eksempler på forespørgsler:
»Hvilke HR-politikker gælder for førtidspensionering, forældreorlov og udstationering i udlandet?«
»Forklar, hvad funktionen process_order gør, angiv alle de metoder, som funktionen kalder, og beskriv kort hver af dem.«
Trods deres styrker kan modeller i o-serien have svært ved forespørgsler, der kræver mere end tre søgninger.
Tips til at forbedre filsøgeresultater
Prøv at bruge en model fra o-serien til komplekse spørgsmål, der kræver flere søgninger.
Husk, at svar kan variere afhængigt af typen, antallet og størrelsen af de dokumenter, du uploader.
Generelt vil indlæsning af færre, fokuserede dokumenter føre til højere nøjagtighed.
Gør emner med flere spørgsmål til enkeltspørgsmål:
Hvis du har brug for at kende hver stats HR-politikker, så spørg om dem én ad gangen.
Hvis du har brug for at opsummere mange dokumenter, så bed om ét dokument ad gangen. Hvis dokumentet er mange hundrede sider langt, kan du overveje at opdele det i mindre komponenter.
Du kan bede ChatGPT Enterprise om at skrive et “resumé af resuméer”, hvis du giver det flere resuméer i stedet for hele dokumenter.
Hvis du har en CSV med en RFP (hver linje er et forskelligt spørgsmål), så stil spørgsmålene ét ad gangen i stedet for blot at indlæse CSV'en og bede om et enkelt svar.
Find måder at auditere modellens svar på. Eksempel på GPT-instruktioner findes nedenfor:
# Kontekst
Du er ekspert i at forstå dokumenter. Brugeren vil vedhæfte et dokument og stille et spørgsmål. De skal kunne koble dit svar tilbage til den nøjagtige del af teksten, hvor du hentede dit svar fra.
# Instruktioner
1. Besvar brugerens spørgsmål baseret på det vedhæftede dokument ved hjælp af det nøjagtige format nedenfor
# Format
- Spørgsmål: { gentag brugerens spørgsmål }
- Svar: { giv et svar på brugerens spørgsmål }
Kilde:
- - Afsnitsnummer: { angiv afsnitsnummeret, hvor du hentede svaret }
- - Afsnitstitel: { angiv afsnitstitlen, hvor du hentede svaret }
- - Eksakt tekst: { angiv den eksakte tekst, hvor du hentede svaret fra }
# Regler
- Giv svar, der er klare og præcise
- Giv kun oplysninger, der findes i dokumentet
- Hvis du ikke kan finde svaret i dokumentet, skal du blot svare ”Ingen oplysninger fundet.”