Το ChatGPT Enterprise υποστηρίζει πλέον την ανάγνωση και την κατανόηση οπτικού περιεχομένου (εικόνων, γραφημάτων, διαγραμμάτων κ.λπ.) ενσωματωμένου σε αρχεία PDF που περιλαμβάνονται σε προτροπές. Οι χρήστες μπορούν να μεταφορτώσουν ένα PDF και το ChatGPT μπορεί να ερμηνεύσει το κείμενο και όλα τα οπτικά στοιχεία του αρχείου.
Για λεπτομέρειες, δείτε: Συχνές ερωτήσεις για την Οπτική ανάκτηση σε PDF.
Το ChatGPT Enterprise σάς επιτρέπει να μεταφορτώνετε αρχεία με διάφορους τρόπους:
Απευθείας από τον υπολογιστή σας
Ως αρχείο έργου
Μέσω μιας ενέργειας GPT
Αυτός ο οδηγός εξηγεί πώς οι δυνατότητες του ChatGPT Enterprise χειρίζονται τα αρχεία ανάλογα με τον τύπο, τον αριθμό και το μέγεθός τους και παρουσιάζει στρατηγικές για τη βελτίωση των αποτελεσμάτων με βάση τις απαιτήσεις των αρχείων.
Σύνοψη
Το ChatGPT Enterprise χειρίζεται πολύ διαφορετικά κάθε τύπο αρχείου: εξάγει κείμενο από έγγραφα όπως PDF, παρουσιάσεις και αρχεία Word, αναλύει δομημένα δεδομένα από υπολογιστικά φύλλα με κώδικα Python και περιγράφει αρχεία εικόνων μέσω του GPT-Vision. Για να έχετε το αναμενόμενο αποτέλεσμα, είναι σημαντικό να γνωρίζετε ποιος τύπος αρχείου ενεργοποιεί κάθε ροή εργασίας.
Για έγγραφα κειμένου, το ChatGPT Enterprise συμπεριλαμβάνει όσο το δυνατόν περισσότερο σχετικό κείμενο απευθείας μαζί με την προτροπή και χρησιμοποιεί ένα σύστημα αναζήτησης για πρόσβαση σε πρόσθετες πληροφορίες. Αυτό λειτουργεί καλά για την απάντηση σε συγκεκριμένες ερωτήσεις. Ωστόσο, αυτή η προσέγγιση μπορεί να δυσκολεύεται σε σύνθετες εργασίες, όπως η σύνοψη πολύ μεγάλων εγγράφων ή η σύγκριση πολλών μεγάλων αρχείων. Συνεχίστε την ανάγνωση για να μάθετε στρατηγικές βελτίωσης των αποτελεσμάτων σας.
Χειρισμός αρχείων ανάλογα με τον τύπο τους
Το ChatGPT Enterprise επεξεργάζεται αρχεία με τρεις βασικούς τρόπους: εξαγωγή κειμένου, ανάλυση με κώδικα και ερμηνεία εικόνων. Ο τύπος αρχείου καθορίζει ποια ροή εργασίας ακολουθεί το ChatGPT Enterprise.
| Ανάκτηση βάσει κειμένου | Code Interpreter | Επεξεργασία εικόνων | Οπτική ανάκτηση | |
|---|---|---|---|---|
| Παραδείγματα τύπων αρχείων | pptx, docx, txt, md, json, xml, pdf* * PDF που μεταφορτώνονται ως γνώσεις για ένα GPT ή ως αρχεία έργου | csv, xls, xlsx* *Σημείωση: Το Code Interpreter μπορεί να χειριστεί κάθε τύπο αρχείου, αλλά το ChatGPT Enterprise συνήθως το χρησιμοποιεί από προεπιλογή για υπολογιστικά φύλλα | jpg, png | pdf* * PDF που περιλαμβάνονται σε προτροπές χρηστών |
| Τρόπος λειτουργίας | Εξάγει το κείμενο από το αρχείο — ένα μέρος επικολλάται («εισάγεται») απευθείας στο θεματικό πλαίσιο και ένα μέρος αποθηκεύεται για αναζήτηση | Το Code Interpreter διαβιβάζει το αρχείο στην Python για επεξεργασία | Οι εικόνες ερμηνεύονται απευθείας από πολυτροπικά μοντέλα, με γνωστούς περιορισμούς . | Συνδυασμός ανάκτησης κειμένου και επεξεργασίας εικόνων. Το κείμενο εξάγεται ψηφιακά και το οπτικό περιεχόμενο ερμηνεύεται απευθείας από πολυτροπικά μοντέλα. |
Για αρχεία που περιέχουν μόνο κείμενο, αρχεία εικόνων ή αρχεία με σαφώς δομημένα δεδομένα (π.χ. έναν πίνακα συναλλαγών στο Excel), αυτή η κατανομή εξασφαλίζει τον καλύτερο δυνατό χειρισμό.
Υπάρχουν όμως και ορισμένες λιγότερο προφανείς περιπτώσεις, για παράδειγμα:
Οι εικόνες που είναι ενσωματωμένες σε αρχεία άλλου τύπου εκτός από PDF δεν υποβάλλονται σε επεξεργασία. Για να συμπεριληφθούν, μετατρέψτε το αρχείο σε PDF πριν το μεταφορτώσετε.
Το ChatGPT Enterprise χρησιμοποιεί πάντα το Code Interpreter για τον χειρισμό υπολογιστικών φύλλων, ακόμη και αν το έγγραφο περιέχει μεγάλη ποσότητα κειμένου. Για παράδειγμα, αν ζητήσετε από το ChatGPT Enterprise να μεταφράσει ένα αρχείο CSV με 10 γραμμές κειμένου, θα επιχειρήσει να το μεταφράσει χρησιμοποιώντας μια βιβλιοθήκη Python. Αυτό δίνει λιγότερο ακριβή αποτελέσματα από ό,τι αν αφήσετε το μοντέλο να δημιουργήσει απευθείας τη μετάφραση. Για να περιορίσετε αυτό το πρόβλημα, δοκιμάστε να εξαγάγετε το υπολογιστικό φύλλο σε μορφή κειμένου (για παράδειγμα, PDF).
Αντίστοιχα, αν μεταφορτώσετε έναν δομημένο πίνακα συναλλαγών που περιέχεται σε αρχείο JSON, το ChatGPT Enterprise θα αντιμετωπίσει αυτό το αρχείο ως απλό κείμενο. Αν θέλετε να αναλύσετε τα δεδομένα ενός αρχείου JSON, δώστε στο μοντέλο την οδηγία να χρησιμοποιήσει το Code Interpreter στην προτροπή σας.
Χειρισμός αρχείων με βάση το μέγεθος
Το ChatGPT Enterprise χρησιμοποιεί μοντέλα με μέγιστο θεματικό πλαίσιο 128k token (περίπου 200 σελίδες κειμένου). Ωστόσο, δεν χρησιμοποιούνται όλα τα token για την ενσωμάτωση του κειμένου από τα μεταφορτωμένα αρχεία. Ο αριθμός των token που «εισάγονται» διαφέρει ανάλογα με τον τύπο χρήσης.
Το ChatGPT Enterprise «εισάγει» μια ποσότητα κειμένου και το υπόλοιπο κείμενο αποστέλλεται σε ένα ιδιωτικό ευρετήριο αναζήτησης (ένα «vector store», δηλαδή ένας τύπος βάσης δεδομένων σχεδιασμένος για την αποτελεσματική αποθήκευση και ανάκτηση μεγάλων ποσοτήτων κειμένου). Όταν κάνετε μια ερώτηση, το ChatGPT Enterprise εισάγει το συμπεριλαμβανόμενο κείμενο μαζί με σχετικά τμήματα που ανακτώνται από ένα ιδιωτικό ευρετήριο αναζήτησης.
Αν μεταφορτώσετε ένα μόνο έγγραφο, το ChatGPT Enterprise περιλαμβάνει κείμενο ξεκινώντας από την αρχή έως ότου φτάσει το όριό του. Αν μεταφορτώσετε πολλά έγγραφα, το ChatGPT Enterprise περιλαμβάνει μέρος ή το σύνολο κάθε εγγράφου. Όλο το κείμενο από τα έγγραφα αποστέλλεται επίσης σε ένα ιδιωτικό ευρετήριο αναζήτησης.
Εισαγωγή στο θεματικό πλαίσιο για έγγραφα κειμένου
Αυτή η δυνατότητα βρίσκεται υπό ενεργή ανάπτυξη. Ως εκ τούτου, οι παρακάτω λεπτομέρειες ενδέχεται να αλλάξουν χωρίς προειδοποίηση.
Το ChatGPT Enterprise μπορεί να επεξεργαστεί έως 110.000 token από μεταφορτωμένα έγγραφα στο θεματικό πλαίσιο. Αν μεταφορτώσετε ένα ή περισσότερα έγγραφα με συνολικά λιγότερα από 110.000 token, θα συμπεριληφθεί ολόκληρο το περιεχόμενό τους.
Αν ένα μεμονωμένο έγγραφο υπερβαίνει τα 110.000 token, θα συμπεριληφθούν μόνο τα πρώτα 110.000 token, από την αρχή του εγγράφου. Το υπόλοιπο περιεχόμενο θα σταλεί μόνο στο ιδιωτικό ευρετήριο αναζήτησης.
Αν μεταφορτωθούν πολλά έγγραφα που συνολικά υπερβαίνουν τα 110.000 token, το ChatGPT Enterprise ακολουθεί την παρακάτω διαδικασία, ώστε να εξασφαλίσει ισορροπημένη εκπροσώπησή τους:
Εξάγει έως 55.000 token, κατανεμημένα ισομερώς μεταξύ των μεταφορτωμένων εγγράφων.
Για τα έγγραφα που δεν συμπεριλήφθηκαν ολόκληρα στο πρώτο βήμα, κατανέμει τα υπόλοιπα 55.000 token αναλογικά, με βάση τα token που απομένουν σε κάθε έγγραφο.
Όσα token απομένουν στέλνονται μόνο στο ιδιωτικό ευρετήριο αναζήτησης.
Μπορείτε να εκτιμήσετε τον αριθμό των token σε ένα έγγραφο κειμένου αντιγράφοντας το κείμενό του στο εργαλείο διαχωρισμού σε token της OpenAI.
Εισαγωγή περιεχομένου στο θεματικό πλαίσιο για PDF με πολυμέσα
Όταν οι χρήστες μεταφορτώνουν PDF που περιέχουν κείμενο και εικόνες, η Οπτική ανάκτηση επιτρέπει στο ChatGPT να επεξεργάζεται απευθείας αυτές τις εικόνες μαζί με το κείμενο που εξάγεται ψηφιακά. Τα παρακάτω βήματα συμπληρώνουν τις τυπικές διαδικασίες διαχείρισης του θεματικού πλαισίου για PDF με πολυμέσα:
Εξαγωγή και ενσωμάτωση εικόνων: Οι εικόνες εξάγονται και ενσωματώνονται μαζί με το σχετικό ψηφιακό κείμενο.
Έξυπνη προσαρμογή μεγέθους: Το μέγεθος των εικόνων προσαρμόζεται αυτόματα, ώστε να διατηρείται η ισορροπία μεταξύ της ποιότητας της πληροφορίας και της αποδοτικής χρήσης του διαθέσιμου θεματικού πλαισίου.
Όταν τα μεταφορτωμένα PDF υπερβαίνουν το όριο των 110.000 token, τόσο οι εικόνες όσο και το κείμενο ενσωματώνονται στο ιδιωτικό ευρετήριο αναζήτησης. Οι διανυσματικές αναπαραστάσεις του κειμένου παραπέμπουν στις σχετικές εικόνες, επιτρέποντας στο ChatGPT να ανακτά τα κατάλληλα ζεύγη κειμένου και εικόνας με βάση τα ερωτήματα των χρηστών. Στη συνέχεια, οι εικόνες που ανακτώνται υποβάλλονται σε επεξεργασία με τις εγγενείς πολυτροπικές δυνατότητες του ChatGPT.
Η ακριβής εκτίμηση των απαιτούμενων token για PDF με πολυμέσα είναι δύσκολη. Οι δοκιμές δείχνουν ότι περίπου 350 σελίδες με συνδυασμό κειμένου και εικόνων καλύπτουν ολόκληρο το θεματικό πλαίσιο των 110.000 token.
Στρατηγικές αναζήτησης με βάση τον τύπο μοντέλου
Τόσο τα μοντέλα σειράς GPT όσο και τα μοντέλα σειράς o υποστηρίζουν μεταφορτώσεις αρχείων και χρησιμοποιούν πανομοιότυπη λογική εισαγωγής στο θεματικό πλαίσιο και ενσωμάτωσης αναζήτησης. Όλα τα μοντέλα εκτελούν υβριδικές αναζητήσεις σε ένα ιδιωτικό ευρετήριο αναζήτησης, συνδυάζοντας μεθόδους λέξεων-κλειδιών και σημασιολογικές μεθόδους. Σε μια υβριδική αναζήτηση, το μοντέλο δημιουργεί μια φράση αναζήτησης με βάση την προτροπή του χρήστη και το ιδιωτικό ευρετήριο αναζήτησης ανακτά σχετικά κείμενα και εικόνες αναλόγως.
Ωστόσο, αυτά τα μοντέλα διαφέρουν ως προς τον τρόπο που πραγματοποιούν αναζήτηση σε μεγάλα έγγραφα που υπερβαίνουν το θεματικό πλαίσιο:
Μοντέλα σειράς GPT
Μία αναζήτηση ανά προτροπή: Τα μοντέλα σειράς GPT εκτελούν μία αναζήτηση ανά προτροπή χρήστη.
Κατάλληλες περιπτώσεις χρήσης: Ιδανικά για την απάντηση απλών ερωτήσεων που αφορούν εκτενή τεκμηρίωση.
Παραδείγματα ερωτημάτων:
"Ποια είναι η πολιτική ανθρώπινου δυναμικού για την πρόωρη συνταξιοδότηση;"
"Τι κάνει η συνάρτηση process_order;"
Μοντέλα σειράς o
Πολλαπλές αναζητήσεις ανά προτροπή: Μπορούν να εκτελούν πολλαπλές αναζητήσεις (συνήθως 2-3) ανά προτροπή χρήστη, καθεμία με διαφορετική φράση αναζήτησης. Οι αναζητήσεις εκτελούνται διαδοχικά και το μοντέλο μπορεί να προσαρμόζει την προσέγγισή του βάσει των πληροφοριών που ανακτήθηκαν από προηγούμενες αναζητήσεις.
Κατάλληλες περιπτώσεις χρήσης: Ενδείκνυνται περισσότερο για σύνθετες ερωτήσεις που απαιτούν πολλαπλές στοχευμένες αναζητήσεις σε εκτενή τεκμηρίωση.
Παραδείγματα ερωτημάτων:
"Ποιες είναι οι πολιτικές ανθρώπινου δυναμικού για την πρόωρη συνταξιοδότηση, τη γονική άδεια και τη μετάθεση στο εξωτερικό;"
"Εξήγησε τι κάνει η συνάρτηση process_order, παράθεσε όλες τις μεθόδους που καλεί και περιέγραψε σύντομα καθεμία από αυτές."
Παρά τα πλεονεκτήματά τους, τα μοντέλα σειράς o ενδέχεται να δυσκολεύονται όταν ένα ερώτημα απαιτεί περισσότερες από τρεις αναζητήσεις.
Συμβουλές για τη βελτίωση των αποτελεσμάτων αναζήτησης αρχείων
Δοκιμάστε να χρησιμοποιήσετε ένα μοντέλο σειράς o για σύνθετες ερωτήσεις που απαιτούν πολλαπλές αναζητήσεις.
Να θυμάστε ότι οι απαντήσεις μπορεί να διαφέρουν ανάλογα με τον τύπο, τον αριθμό και το μέγεθος των εγγράφων που μεταφορτώνετε.
Γενικά, η φόρτωση λιγότερων, εστιασμένων εγγράφων θα οδηγήσει σε μεγαλύτερη ακρίβεια.
Μετατρέψτε τα θέματα με πολλές ερωτήσεις σε μεμονωμένες ερωτήσεις:
Αν χρειάζεται να γνωρίζετε τις πολιτικές HR κάθε πολιτείας, ρωτήστε για καθεμία ξεχωριστά.
Αν χρειάζεται να συνοψίσετε πολλά έγγραφα, ζητήστε ένα έγγραφο κάθε φορά. Αν αυτό το έγγραφο έχει πολλές εκατοντάδες σελίδες, εξετάστε το ενδεχόμενο να το χωρίσετε σε μικρότερα μέρη.
Θα μπορούσατε να ζητήσετε από το ChatGPT Enterprise να γράψει μια «σύνοψη συνόψεων», αν του δώσατε πολλές συνόψεις αντί για ολόκληρα έγγραφα.
Αν έχετε ένα CSV ενός RFP (κάθε γραμμή είναι διαφορετική ερώτηση), κάντε αυτές τις ερωτήσεις μία προς μία αντί απλώς να φορτώσετε το CSV και να ζητήσετε μία απάντηση.
Βρείτε τρόπους να ελέγχετε τις απαντήσεις του μοντέλου. Παραδείγματα οδηγιών GPT παρατίθενται παρακάτω:
# Περιβάλλον
Είστε ειδικός στην κατανόηση εγγράφων. Ο χρήστης θα επισυνάψει ένα έγγραφο και θα κάνει μια ερώτηση. Πρέπει να μπορεί να συνδέσει την απάντησή σας με το ακριβές σημείο του κειμένου από το οποίο αντλήσατε την απάντησή σας.
# Οδηγίες
1. Απαντήστε στην ερώτηση του χρήστη βάσει του επισυναπτόμενου εγγράφου του χρησιμοποιώντας ακριβώς τη μορφή που παρέχεται παρακάτω
# Μορφή
- Ερώτηση: { επαναλάβετε την ερώτηση του χρήστη }
- Απάντηση: { δώστε απάντηση στην ερώτηση του χρήστη }
Πηγή:
- - Αριθμός ενότητας: { δώστε τον αριθμό ενότητας από όπου αντλήσατε την απάντηση }
- - Τίτλος ενότητας: { δώστε τον τίτλο ενότητας από όπου αντλήσατε την απάντηση }
- - Ακριβές κείμενο: { δώστε το ακριβές κείμενο από όπου αντλήσατε την απάντηση }
# Κανόνες
- Δώστε απαντήσεις που είναι σαφείς και σύντομες
- Παρέχετε μόνο πληροφορίες που δίνονται στο έγγραφο
- Αν δεν μπορείτε να βρείτε την απάντηση στο έγγραφο, απλώς απαντήστε «Δεν βρέθηκαν πληροφορίες.»