ChatGPT Enterprise-ն այժմ կարող է կարդալ և հասկանալ հարցումներին կցված PDF ֆայլերի տեսողական նյութերը (պատկերներ, գրաֆիկներ, դիագրամներ և այլն)։ Օգտատերերը կարող են վերբեռնել PDF, իսկ ChatGPT-ն կարող է մեկնաբանել այդ ֆայլի տեքստը և բոլոր տեսողական տարրերը։
Մանրամասների համար տե՛ս PDF-ներում տեսողական որոնման մասին հաճախ տրվող հարցերը։
ChatGPT Enterprise-ը թույլ է տալիս ֆայլեր վերբեռնել մի քանի եղանակով․
Անմիջապես ձեր համակարգչից
Որպես GPT-ի գիտելիքներ
Որպես նախագծի ֆայլ
Այս ուղեցույցը բացատրում է, թե ինչպես են ChatGPT Enterprise-ի գործառույթները մշակում ֆայլերը՝ ըստ դրանց տեսակի, քանակի և չափի, և ներկայացնում է արդյունքների բարելավման մոտեցումներ՝ հաշվի առնելով ֆայլերի հետ աշխատանքի պահանջները։
Ամփոփում
ChatGPT Enterprise-ը տարբեր տեսակի ֆայլերը մշակում է էապես տարբեր եղանակներով․ PDF-ների, շնորհանդեսների և Word ֆայլերի նման տեքստային փաստաթղթերից քաղում է տեքստը, Python կոդով վերլուծում է էլեկտրոնային աղյուսակների կառուցվածքային տվյալները և GPT-Vision-ի միջոցով նկարագրում պատկերային ֆայլերը։ Ակնկալվող արդյունքը ստանալու համար կարևոր է հասկանալ, թե ֆայլի որ տեսակն է գործարկում մշակման որ ընթացքը։
Տեքստային փաստաթղթերի դեպքում ChatGPT Enterprise-ը հարցման հետ անմիջապես ներառում է հնարավորինս շատ համապատասխան տեքստ, իսկ լրացուցիչ տեղեկությունը ստանում է որոնման համակարգի միջոցով։ Այս եղանակը արդյունավետ է կոնկրետ հարցերին պատասխանելու համար։ Սակայն այս մոտեցմամբ կարող է դժվար լինել կատարել բարդ առաջադրանքներ, օրինակ՝ ամփոփել շատ ծավալուն փաստաթղթեր կամ համեմատել մի քանի մեծ ֆայլեր։ Շարունակեք կարդալ՝ արդյունքների բարելավման մոտեցումներին ծանոթանալու համար։
Ֆայլերի մշակում՝ ըստ տեսակի
ChatGPT Enterprise-ը ֆայլերը մշակում է երեք հիմնական եղանակով՝ տեքստի քաղում, կոդով վերլուծություն և պատկերների մեկնաբանում։ Ֆայլի տեսակն է որոշում, թե մշակման որ ընթացքն է կիրառելու ChatGPT Enterprise-ը։
| Տեքստային որոնում | Կոդերի թարգմանիչ | Պատկերների մշակում | Տեսողական որոնում | |
|---|---|---|---|---|
| Ֆայլերի տեսակների օրինակներ | pptx, docx, txt, md, json, xml, pdf* * PDF-ներ՝ վերբեռնված որպես GPT-ի գիտելիքներ կամ նախագծի ֆայլեր | csv, xls, xlsx* *Նշում․ Կոդերի թարգմանիչը կարող է աշխատել ցանկացած տեսակի ֆայլի հետ, սակայն ChatGPT Enterprise-ն այն առավել հաճախ լռելյայն կիրառում է էլեկտրոնային աղյուսակների համար։ | jpg, png | pdf* * Օգտատերերի հարցումներին կցված PDF-ներ |
| Աշխատանքի սկզբունք | Ֆայլից քաղվում է տեքստը․ դրա մի մասն անմիջապես տեղադրվում է («լցվում է») համատեքստային պատուհանի մեջ, իսկ մյուս մասը պահվում է որոնման համար։ | Կոդերի թարգմանիչը ֆայլը փոխանցում է Python-ին՝ մշակման համար։ | Բազմամոդալ մոդելները պատկերները մեկնաբանում են իրենց ներկառուցված հնարավորություններով՝ հայտնի սահմանափակումներով։ | Տեքստային որոնման և պատկերների մշակման համադրություն։ Տեքստը քաղվում է թվային եղանակով, իսկ տեսողական բովանդակությունը մեկնաբանում են բազմամոդալ մոդելները՝ իրենց ներկառուցված հնարավորություններով։ |
Միայն տեքստ պարունակող, պատկերային կամ հստակ կառուցվածքով տվյալների ֆայլերի համար (օրինակ՝ գործարքների Excel աղյուսակ) այս տարբերակումը ապահովում է մշակման լավագույն եղանակի ընտրությունը։
Կան նաև ոչ այնքան ակնհայտ դեպքեր, օրինակ՝
PDF-ից բացի այլ ձևաչափի ֆայլերում ներկառուցված պատկերները չեն մշակվում։ Դրանք ներառելու համար ֆայլը վերբեռնելուց առաջ փոխարկեք PDF-ի։
ChatGPT Enterprise-ը էլեկտրոնային աղյուսակների հետ աշխատելիս միշտ օգտագործում է Կոդերի թարգմանիչը, նույնիսկ եթե փաստաթուղթը մեծ քանակությամբ տեքստ է պարունակում։ Օրինակ՝ եթե ChatGPT Enterprise-ին խնդրեք թարգմանել 10 տող տեքստ պարունակող CSV ֆայլ, այն կփորձի թարգմանել ֆայլը Python-ի գրադարանի միջոցով։ Սա ավելի քիչ ճշգրիտ արդյունք է տալիս, քան երբ մոդելն ինքն է անմիջապես ստեղծում թարգմանությունը։ Այս խնդիրը մեղմելու համար փորձեք էլեկտրոնային աղյուսակն արտահանել տեքստային ձևաչափով (օրինակ՝ PDF)։
Նմանապես, եթե վերբեռնեք գործարքների կառուցվածքային աղյուսակ պարունակող JSON ֆայլ, ChatGPT Enterprise-ը կընկալի այդ ֆայլը որպես պարզ տեքստ։ Եթե ցանկանում եք վերլուծել JSON ֆայլի տվյալները, ձեր հարցման մեջ մոդելին հրահանգեք օգտագործել Կոդերի թարգմանիչը։
Ֆայլերի մշակումը՝ ըստ չափի
ChatGPT Enterprise-ն օգտագործում է մոդելներ, որոնց առավելագույն համատեքստային պատուհանը 128k թոքեն է (մոտավորապես 200 էջ տեքստ)։ Այնուամենայնիվ, ոչ բոլոր թոքեններն են օգտագործվում վերբեռնված ֆայլերից տեքստը ներառելու համար։ «Լցված» թոքենների քանակը տարբերվում է ըստ օգտագործման տեսակի։
ChatGPT Enterprise-ը «լցնում է» որոշակի քանակի տեքստ, իսկ մնացած տեքստն ուղարկվում է մասնավոր որոնման ինդեքս («վեկտորային պահոց», որը տվյալների բազայի տեսակ է՝ նախատեսված մեծ քանակի տեքստ արդյունավետ պահելու և գտնելու համար)։ Երբ հարց եք տալիս, ChatGPT Enterprise-ը ներգրավում է ներառված տեքստը՝ մասնավոր որոնման ինդեքսից ստացված համապատասխան հատվածների հետ միասին։
Եթե վերբեռնում եք մեկ փաստաթուղթ, ChatGPT Enterprise-ը ներառում է տեքստը սկզբից մինչև իր սահմանաչափին հասնելը։ Եթե վերբեռնում եք մի քանի փաստաթուղթ, ChatGPT Enterprise-ը ներառում է յուրաքանչյուր փաստաթղթի մի մասը կամ ամբողջը։ Փաստաթղթերի ամբողջ տեքստը նույնպես ուղարկվում է մասնավոր որոնման ինդեքս։
Համատեքստի լրացում տեքստային փաստաթղթերի համար
Այս գործառույթը ակտիվ մշակման փուլում է։ Հետևաբար, ստորև ներկայացված մանրամասները կարող են փոխվել առանց նախազգուշացման։
ChatGPT Enterprise-ը կարող է համատեքստային պատուհանում մշակել վերբեռնված փաստաթղթերի մինչև 110 հազար թոքեն։ Եթե վերբեռնեք մեկ կամ մի քանի փաստաթուղթ, որոնց թոքենների ընդհանուր քանակը 110 հազարից պակաս է, դրանց բովանդակությունն ամբողջությամբ կներառվի։
Եթե մեկ փաստաթղթում թոքենների քանակը գերազանցում է 110 հազարը, կներառվեն միայն դրա առաջին 110 հազար թոքենները՝ փաստաթղթի սկզբից։ Մնացած մասը կուղարկվի միայն մասնավոր որոնման ինդեքս։
Եթե վերբեռնված մի քանի փաստաթղթերի թոքենների ընդհանուր քանակը գերազանցում է 110 հազարը, ChatGPT Enterprise-ը կիրառում է հետևյալ գործընթացը՝ յուրաքանչյուր փաստաթղթից բովանդակություն հավասարակշռված կերպով ներառելու համար․
Քաղում է մինչև 55 հազար թոքեն՝ այդ քանակը հավասարապես բաշխելով վերբեռնված փաստաթղթերի միջև։
Մնացած 55 հազար թոքենի տեղը բաշխում է առաջին քայլում ոչ ամբողջությամբ ներառված փաստաթղթերի միջև՝ յուրաքանչյուրում մնացած թոքենների քանակին համամասնորեն։
Մնացած բոլոր թոքեններն ուղարկվում են միայն մասնավոր որոնման ինդեքս։
Տեքստային փաստաթղթի թոքենների մոտավոր քանակը կարող եք գնահատել՝ դրա տեքստը պատճենելով OpenAI-ի թոքենացման գործիքի մեջ։
Մուլտիմեդիա PDF-ների բովանդակության ներառումը համատեքստում
Երբ օգտատերերը վերբեռնում են տեքստ և պատկերներ պարունակող PDF-ներ, Տեսողական որոնումը ChatGPT-ին թույլ է տալիս իր ներկառուցված հնարավորություններով մշակել այդ պատկերները՝ թվային եղանակով քաղված տեքստի հետ միասին։ Մուլտիմեդիա PDF-ների դեպքում հետևյալ քայլերը լրացնում են համատեքստի մշակման մեր ստանդարտ ընթացակարգերը․
Պատկերների քաղում և ներառում․ պատկերները քաղվում և ներառվում են դրանց հետ կապված թվային տեքստի հետ միասին։
Խելացի չափափոխում․ պատկերների չափերն ավտոմատ կերպով փոխվում են՝ տեղեկության որակի և հասանելի համատեքստային պատուհանի արդյունավետ օգտագործման միջև հավասարակշռություն պահպանելու համար։
Երբ վերբեռնված PDF-ները գերազանցում են 110 հազար թոքենի սահմանաչափը, և՛ պատկերները, և՛ տեքստը վեկտորային ներկայացումների տեսքով ներառվում են մասնավոր որոնման ինդեքսում։ Տեքստի վեկտորային ներկայացումները հղվում են համապատասխան պատկերներին՝ ChatGPT-ին թույլ տալով օգտատիրոջ հարցումների հիման վրա գտնել տեքստ–պատկեր համապատասխան զույգերը։ Գտնված պատկերներն այնուհետև մշակվում են ChatGPT-ի ներկառուցված բազմամոդալ հնարավորություններով։
Մուլտիմեդիա PDF-ների համար անհրաժեշտ թոքենների քանակը ճշգրիտ գնահատելը դժվար է։ Փորձարկումները ցույց են տալիս, որ տեքստ և պատկերներ պարունակող մոտ 350 էջը լիովին զբաղեցնում է 110 հազար թոքենանոց համատեքստային պատուհանը։
Որոնման ռազմավարություններ՝ ըստ մոդելի տեսակի
Թե՛ GPT-շարքի, թե՛ o-շարքի մոդելները աջակցում են ֆայլերի վերբեռնմանը և օգտագործում են համատեքստի լրացման ու որոնման ներդրման նույնական տրամաբանություն։ Բոլոր մոդելները կատարում են հիբրիդային որոնումներ մասնավոր որոնման ինդեքսում՝ համադրելով բանալի բառերի և իմաստային մեթոդները։ Հիբրիդային որոնման ժամանակ մոդելը ստեղծում է որոնման արտահայտություն՝ հիմնվելով օգտատիրոջ հարցման վրա, իսկ մասնավոր որոնման ինդեքսը համապատասխանաբար գտնում է առնչվող տեքստն ու պատկերները։
Այնուամենայնիվ, այս մոդելները տարբերվում են նրանով, թե ինչպես են որոնում մեծ փաստաթղթերում, որոնք գերազանցում են համատեքստային պատուհանը․
GPT շարքի մոդելներ
Մեկ որոնում յուրաքանչյուր հարցման համար. GPT շարքի մոդելները օգտատիրոջ յուրաքանչյուր հարցման համար կատարում են մեկ որոնում։
Արդյունավետ կիրառման դեպքեր. Իդեալական է ծավալուն փաստաթղթերում պարունակվող պարզ հարցերին պատասխանելու համար։
Հարցումների օրինակներ.
«Ո՞րն է վաղաժամկետ թոշակի անցնելու վերաբերյալ կադրային քաղաքականությունը»։
«Ի՞նչ է անում process_order գործառույթը»։
o շարքի մոդելներ
Մի քանի որոնում յուրաքանչյուր հարցման համար. Օգտատիրոջ յուրաքանչյուր հարցման համար կարող է կատարել մի քանի որոնում (սովորաբար՝ 2–3), որոնցից յուրաքանչյուրն ունի որոնման ուրույն արտահայտություն։ Որոնումները կատարվում են հաջորդաբար, և մոդելը կարող է փոխել իր մոտեցումը՝ հիմնվելով նախորդ որոնումներով ստացված տեղեկությունների վրա։
Արդյունավետ կիրառման դեպքեր. Ավելի հարմար է բարդ հարցերի համար, որոնք պահանջում են ծավալուն փաստաթղթերում կատարել մի քանի նպատակային որոնում։
Հարցումների օրինակներ.
«Որո՞նք են վաղաժամկետ թոշակի անցնելու, ծնողական արձակուրդի և արտերկիր տեղափոխման վերաբերյալ կադրային քաղաքականությունները»։
«Բացատրեք, թե ինչ է անում process_order գործառույթը, թվարկեք դրա կանչած բոլոր մեթոդները և համառոտ նկարագրեք դրանցից յուրաքանչյուրը»։
Չնայած իրենց առավելություններին՝ o շարքի մոդելները կարող են դժվարանալ, երբ հարցումը երեքից ավելի որոնում է պահանջում։
Ֆայլերի որոնման արդյունքները բարելավելու խորհուրդներ
Փորձեք օգտագործել o-շարքի մոդել բարդ հարցերի համար, որոնք պահանջում են մի քանի որոնում։
Հիշեք, որ պատասխանները կարող են տարբերվել՝ կախված ձեր վերբեռնած փաստաթղթերի տեսակից, քանակից և չափից։
Ընդհանուր առմամբ, ավելի քիչ և կենտրոնացված փաստաթղթեր բեռնելը կհանգեցնի ավելի բարձր ճշգրտության։
Բազմահարց թեմաները վերածեք առանձին հարցերի․
Եթե պետք է իմանաք յուրաքանչյուր նահանգի կադրային քաղաքականությունները, հարցրեք դրանք մեկ առ մեկ։
Եթե պետք է ամփոփեք բազմաթիվ փաստաթղթեր, խնդրեք մեկ փաստաթուղթ միանգամից։ Եթե այդ փաստաթուղթը հարյուրավոր էջեր ունի, մտածեք այն ավելի փոքր բաղադրիչների բաժանելու մասին։
Կարող եք ChatGPT Enterprise-ին խնդրել գրել «ամփոփումների ամփոփում», եթե նրան տրամադրեք մի քանի ամփոփում, ոչ թե ամբողջական փաստաթղթեր։
Եթե ունեք առաջարկի հարցման (RFP) CSV, որտեղ յուրաքանչյուր տող առանձին հարց է, հարցրեք դրանք մեկ առ մեկ՝ պարզապես CSV-ն բեռնելու և մեկ պատասխան խնդրելու փոխարեն։
Գտեք մոդելի պատասխանները աուդիտի ենթարկելու եղանակներ։ GPT հրահանգների օրինակները ստորև են․
# Համատեքստ
Դուք փաստաթղթեր հասկանալու փորձագետ եք։ Օգտվողը կկցի փաստաթուղթ և կտա հարց։ Նրանց անհրաժեշտ է կարողանալ ձեր պատասխանը կապել տեքստի այն ճշգրիտ հատվածի հետ, որտեղից վերցրել եք պատասխանը։
# Հրահանգներ
1. Պատասխանեք օգտվողի հարցին՝ հիմնվելով նրա կցված փաստաթղթի վրա և օգտագործելով ստորև տրված ճշգրիտ ձևաչափը
# Ձևաչափ
- Հարց՝ { կրկնեք օգտվողի հարցը }
- Պատասխան՝ { տրամադրեք օգտվողի հարցի պատասխանը }
Աղբյուր՝
- - Բաժնի համարը՝ { նշեք բաժնի համարը, որտեղից վերցրել եք պատասխանը }
- - Բաժնի վերնագիրը՝ { նշեք բաժնի վերնագիրը, որտեղից վերցրել եք պատասխանը }
- - Ճշգրիտ տեքստը՝ { նշեք այն ճշգրիտ տեքստը, որտեղից վերցրել եք պատասխանը }
# Կանոններ
- Տվեք հստակ և հակիրճ պատասխաններ
- Տրամադրեք միայն փաստաթղթում տրված տեղեկատվությունը
- Եթե չեք կարող գտնել պատասխանը փաստաթղթում, պարզապես պատասխանեք «Տեղեկություն չի գտնվել»։