ChatGPT Enterprise sada podržava čitanje i razumijevanje vizualnih elemenata (slika, grafikona, dijagrama itd.) ugrađenih u PDF datoteke priložene upitima. Korisnici mogu prenijeti PDF, a ChatGPT može protumačiti tekst i sve vizualne elemente u toj datoteci.
Više pojedinosti potražite ovdje: Česta pitanja o dohvaćanju vizualnog sadržaja iz PDF-ova.
ChatGPT Enterprise omogućuje prijenos datoteka na nekoliko načina:
Izravno s računala
S usluga Google Drive / SharePoint / OneDrive
Kao znanje za GPT
Putem radnje GPT-a
Ovaj vodič objašnjava kako značajke sustava ChatGPT Enterprise obrađuju datoteke ovisno o njihovoj vrsti, broju i veličini te opisuje strategije za poboljšanje rezultata u skladu sa zahtjevima datoteka.
Sažetak
ChatGPT Enterprise različite vrste datoteka obrađuje na vrlo različite načine: izdvaja tekst iz tekstualnih dokumenata poput PDF-ova, prezentacija i Wordovih datoteka, analizira strukturirane podatke iz proračunskih tablica pomoću koda u Pythonu te opisuje slikovne datoteke putem GPT-Visiona. Da biste dobili očekivani rezultat, ključno je razumjeti koja vrsta datoteke pokreće koji postupak obrade.
Za tekstualne dokumente ChatGPT Enterprise uključuje što više relevantnog teksta izravno uz upit, a sustavom pretraživanja pristupa dodatnim informacijama. To dobro funkcionira pri odgovaranju na konkretna pitanja. Međutim, takav pristup može imati poteškoća sa složenim zadacima poput sažimanja vrlo velikih dokumenata ili uspoređivanja više velikih datoteka. U nastavku saznajte više o strategijama za poboljšanje rezultata.
Obrada datoteka prema vrsti
ChatGPT Enterprise obrađuje datoteke na tri glavna načina: izdvajanjem teksta, analizom pomoću koda i tumačenjem slika. Vrsta datoteke određuje koji postupak obrade ChatGPT Enterprise primjenjuje.
| Dohvaćanje teksta | Interpreter koda | Obrada slika | Dohvaćanje vizualnog sadržaja | |
|---|---|---|---|---|
| Primjeri vrsta datoteka | pptx, docx, txt, md, json, xml, pdf* * PDF-ovi preneseni kao znanje za GPT ili projektne datoteke | csv, xls, xlsx* *Napomena: Interpreter koda može raditi s bilo kojom vrstom datoteke, ali ChatGPT Enterprise najčešće ga zadano upotrebljava za proračunske tablice | jpg, png | pdf* * PDF-ovi priloženi korisničkim upitima |
| Način rada | Izdvaja tekst iz datoteke – dio teksta umeće se („ugurava”) izravno u kontekstni prozor, a dio se pohranjuje za pretraživanje | Interpreter koda prosljeđuje datoteku Pythonu na obradu | Multimodalni modeli izravno tumače slike, uz poznata ograničenja. | Kombinacija dohvaćanja teksta i obrade slika. Tekst se izdvaja digitalno, a multimodalni modeli izravno tumače vizualni sadržaj. |
Za datoteke koje sadrže samo tekst, slikovne datoteke ili datoteke s jasno strukturiranim podacima (npr. Excelovu tablicu transakcija), ova podjela omogućuje najbolji mogući način obrade.
U nekim slučajevima način obrade nije toliko očit, primjerice:
Slike ugrađene u datoteke koje nisu PDF-ovi ne obrađuju se. Da biste ih uključili u obradu, prije prijenosa pretvorite datoteku u PDF.
ChatGPT Enterprise uvijek će upotrebljavati Interpreter koda za rad s proračunskim tablicama, čak i ako dokument sadrži veliku količinu teksta. Primjerice, ako od sustava ChatGPT Enterprise zatražite da prevede CSV datoteku s 10 redaka teksta, pokušat će je prevesti pomoću biblioteke za Python, što je manje precizno nego kada model izravno generira prijevod. Kako biste ublažili taj problem, pokušajte izvesti proračunsku tablicu u tekstualni format (primjerice PDF).
Slično tome, ako prenesete strukturiranu tablicu transakcija u JSON datoteci, ChatGPT Enterprise tu će datoteku tumačiti kao običan tekst. Ako želite analizirati podatke iz JSON datoteke, u upitu uputite model da upotrijebi Interpreter koda.
Rukovanje datotekama na temelju veličine
ChatGPT Enterprise upotrebljava modele s maksimalnim kontekstnim prozorom od 128 tisuća tokena (otprilike 200 stranica teksta). Međutim, ne upotrebljavaju se svi tokeni za uključivanje teksta iz prenesenih datoteka. Broj „umetnutih” tokena razlikuje se ovisno o vrsti upotrebe.
ChatGPT Enterprise „umeće” određenu količinu teksta, a preostali tekst šalje se u privatni indeks pretraživanja („vektorska pohrana”, vrsta baze podataka osmišljena za učinkovitu pohranu i dohvaćanje velikih količina teksta). Kada postavite pitanje, ChatGPT Enterprise uključuje uvršteni tekst zajedno s relevantnim isječcima dohvaćenima iz privatnog indeksa pretraživanja.
Ako prenesete jedan dokument, ChatGPT Enterprise uključuje tekst od početka dok ne dosegne svoje ograničenje. Ako prenesete više dokumenata, ChatGPT Enterprise uključuje dio ili sav sadržaj svakog dokumenta. Sav tekst iz dokumenata također se šalje u privatni indeks pretraživanja.
Umetanje konteksta za tekstne dokumente
Ta je značajka u aktivnom razvoju. Stoga su sljedeće pojedinosti podložne promjenama bez prethodne obavijesti.
ChatGPT Enterprise može obraditi do 110 tisuća tokena iz prenesenih dokumenata unutar kontekstnog prozora. Ako prenesete jedan ili više dokumenata s ukupno manje od 110 tisuća tokena, bit će uključen njihov cjelokupan sadržaj.
Za pojedinačni dokument s više od 110 tisuća tokena bit će uključeno samo prvih 110 tisuća tokena, počevši od početka dokumenta. Ostatak će se poslati samo u privatni indeks pretraživanja.
Ako prenesete više dokumenata s ukupno više od 110 tisuća tokena, ChatGPT Enterprise primjenjuje sljedeći postupak kako bi uravnotežio njihovu zastupljenost:
Izdvaja do 55 tisuća tokena, ravnomjerno raspoređenih među prenesenim dokumentima.
Za dokumente koji nisu u cijelosti obuhvaćeni u prvom koraku raspoređuje preostalih 55 tisuća tokena razmjerno broju preostalih tokena u svakom dokumentu.
Svi preostali tokeni šalju se samo u privatni indeks pretraživanja.
Broj tokena u tekstualnom dokumentu možete procijeniti tako da kopirate tekst dokumenta u OpenAI tokenizator.
Umetanje sadržaja multimedijskih PDF-ova u kontekst
Kada korisnici prenesu PDF-ove koji sadrže tekst i slike, dohvaćanje vizualnog sadržaja omogućuje sustavu ChatGPT izravnu obradu tih slika uz digitalno izdvojeni tekst. Sljedeći koraci nadopunjuju naše standardne postupke obrade konteksta za multimedijske PDF-ove:
Izdvajanje i ugradnja slika: slike se izdvajaju i ugrađuju zajedno s pripadajućim digitalnim tekstom.
Pametna prilagodba veličine: veličina slika automatski se prilagođava kako bi se održala ravnoteža između kvalitete informacija i učinkovitog korištenja dostupnog kontekstnog prozora.
Kada preneseni PDF-ovi premaše ograničenje od 110 tisuća tokena, i slike i tekst ugrađuju se u privatni indeks pretraživanja. Vektorski prikazi teksta upućuju na relevantne slike, što sustavu ChatGPT omogućuje dohvaćanje odgovarajućih parova teksta i slika na temelju korisničkih upita. Dohvaćene slike zatim se obrađuju ugrađenim multimodalnim mogućnostima sustava ChatGPT.
Teško je točno procijeniti koliko je tokena potrebno za multimedijske PDF-ove. Testiranja pokazuju da će približno 350 stranica s kombinacijom teksta i slika u potpunosti iskoristiti kontekstni prozor od 110 tisuća tokena.
Strategije pretraživanja na temelju vrste modela
Modeli serije GPT i serije o podržavaju prijenos datoteka te upotrebljavaju istu logiku umetanja konteksta i ugradnji za pretraživanje. Svi modeli izvršavaju hibridna pretraživanja privatnog indeksa pretraživanja, kombinirajući metode temeljene na ključnim riječima i semantičke metode. U hibridnom pretraživanju model generira frazu za pretraživanje na temelju korisnikova upita, a privatni indeks pretraživanja prema tome dohvaća relevantan tekst i slike.
Međutim, ti se modeli razlikuju po načinu pretraživanja velikih dokumenata koji premašuju kontekstni prozor:
modeli serije GPT
Jedno pretraživanje po upitu: Modeli serije GPT izvršavaju jedno pretraživanje za svaki korisnički upit.
Prikladni slučajevi upotrebe: Idealni su za odgovaranje na jednostavna pitanja čiji se odgovori nalaze u opsežnoj dokumentaciji.
Primjeri upita:
„Koja su pravila odjela ljudskih resursa o prijevremenom umirovljenju?”
„Što radi funkcija process_order?”
modeli serije o
Više pretraživanja po upitu: Za svaki korisnički upit može izvršiti više pretraživanja (obično 2 – 3), svako s jedinstvenim izrazom za pretraživanje. Pretraživanja se izvršavaju redom, a model može prilagoditi pristup na temelju informacija dohvaćenih prethodnim pretraživanjima.
Prikladni slučajevi upotrebe: Prikladniji su za složena pitanja koja zahtijevaju više ciljanih pretraživanja opsežne dokumentacije.
Primjeri upita:
„Koja su pravila odjela ljudskih resursa o prijevremenom umirovljenju, roditeljskom dopustu i premještaju u inozemstvo?”
„Objasnite što radi funkcija process_order, navedite sve metode koje ta funkcija poziva i ukratko opišite svaku od njih.”
Unatoč svojim prednostima, modeli serije o mogu imati poteškoća s upitima koji zahtijevaju više od tri pretraživanja.
Savjeti za poboljšanje rezultata pretraživanja datoteka
Pokušajte upotrijebiti model serije o za složena pitanja koja zahtijevaju više pretraživanja.
Imajte na umu da se odgovori mogu razlikovati ovisno o vrsti, broju i veličini dokumenata koje prenesete.
Općenito, učitavanje manjeg broja fokusiranih dokumenata dovest će do veće točnosti.
Teme s više pitanja pretvorite u pojedinačna pitanja:
Ako trebate znati HR pravila svake države, pitajte jedno po jedno.
Ako trebate sažeti mnogo dokumenata, tražite jedan po jedan dokument. Ako taj dokument ima više stotina stranica, razmislite o njegovu raščlanjivanju na manje dijelove.
Od ChatGPT Enterprisea mogli biste zatražiti da napiše „sažetak sažetaka” ako mu dostavite više sažetaka umjesto cijelih dokumenata.
Ako imate CSV RFP-a (svaki je redak drugo pitanje), postavljajte ta pitanja jedno po jedno umjesto da samo učitate CSV i zatražite jedan odgovor.
Pronađite načine za provjeru odgovora modela. Primjeri GPT uputa navedeni su u nastavku:
# Kontekst
Stručnjak ste za razumijevanje dokumenata. Korisnik će priložiti dokument i postaviti pitanje. Mora moći povezati vaš odgovor s točnim dijelom teksta iz kojeg ste preuzeli odgovor.
# Upute
1. Odgovorite na korisnikovo pitanje na temelju priloženog dokumenta točno u nastavku navedenom formatu
# Format
- Pitanje: { ponovite korisnikovo pitanje }
- Odgovor: { pružite odgovor na korisnikovo pitanje }
Izvor:
- - Broj odjeljka: { navedite broj odjeljka iz kojeg ste preuzeli odgovor }
- - Naslov odjeljka: { navedite naslov odjeljka iz kojeg ste preuzeli odgovor }
- - Točan tekst: { navedite točan tekst iz kojeg ste preuzeli odgovor }
# Pravila
- Dajte jasne i sažete odgovore
- Navodite samo informacije iz dokumenta
- Ako ne možete pronaći odgovor u dokumentu, jednostavno odgovorite „Nisu pronađene informacije.”