ChatGPT Enterprise-ն այժմ աջակցում է հարցումներում ներառված PDF ֆայլերում ներկառուցված տեսողական նյութերի (պատկերներ, գրաֆիկներ, դիագրամներ և այլն) ընթերցումն ու ըմբռնումը։ Օգտատերերը կարող են վերբեռնել PDF, և ChatGPT-ն կարող է մեկնաբանել այդ ֆայլի տեքստը և ցանկացած տեսողական տարր։
Մանրամասների համար տես PDF-ների միջոցով տեսողական որոնման ՀՏՀ։
ChatGPT Enterprise-ը թույլ է տալիս ֆայլեր վերբեռնել մի քանի եղանակով՝
Անմիջապես ձեր համակարգչից
Որպես GPT-ի գիտելիք
Որպես նախագծի ֆայլ
Այս ուղեցույցը բացատրում է, թե ChatGPT Enterprise-ի գործառույթներն ինչպես են մշակում ֆայլերը՝ ըստ դրանց տեսակի, քանակի և չափի, ինչպես նաև ներկայացնում է ֆայլերի պահանջների հիման վրա արդյունքները բարելավելու ռազմավարություններ։
Ամփոփում
ChatGPT Enterprise-ը տարբեր տեսակի ֆայլերը մշակում է խիստ տարբեր եղանակներով. PDF-ներից, ներկայացումներից և Word ֆայլերից քաղում է տեքստը, Python կոդի միջոցով վերլուծում է աղյուսակների կառուցվածքավորված տվյալները, իսկ GPT-Vision-ի միջոցով նկարագրում է պատկերային ֆայլերը։ Ակնկալվող արդյունքը ստանալու համար կարևոր է հասկանալ, թե ֆայլի որ տեսակը որ աշխատանքային գործընթացն է գործարկում։
Տեքստային փաստաթղթերի դեպքում ChatGPT Enterprise-ը հնարավորինս շատ համապատասխան տեքստ է ներառում անմիջապես հարցման կողքին, իսկ լրացուցիչ տեղեկություններին հասանելիություն ստանալու համար օգտագործում է որոնման համակարգ։ Այս մոտեցումը լավ է աշխատում կոնկրետ հարցերին պատասխանելիս։ Սակայն այս մոտեցումը կարող է դժվարություններ առաջացնել այնպիսի բարդ առաջադրանքների դեպքում, ինչպիսիք են շատ ծավալուն փաստաթղթերի ամփոփումը կամ մի քանի մեծ ֆայլերի համեմատումը։ Շարունակեք կարդալ՝ ձեր արդյունքները բարելավելու ռազմավարություններին ծանոթանալու համար։
Ֆայլերի մշակումն ըստ տեսակի
ChatGPT Enterprise-ը ֆայլերը մշակում է երեք հիմնական եղանակով՝ տեքստի քաղում, կոդի վերլուծություն և պատկերների մեկնաբանում։ Ֆայլի տեսակը որոշում է, թե ChatGPT Enterprise-ը որ աշխատանքային գործընթացին կհետևի։
| Տեքստի վրա հիմնված որոնում | Կոդերի թարգմանիչ | Պատկերների մշակում | Տեսողական որոնում | |
|---|---|---|---|---|
| Ֆայլերի տեսակների օրինակներ | pptx, docx, txt, md, json, xml, pdf* * PDF-ներ, որոնք վերբեռնվել են որպես GPT-ի գիտելիք կամ նախագծի ֆայլեր | csv, xls, xlsx* *Նշում. Կոդերի թարգմանիչը կարող է աշխատել ցանկացած տեսակի ֆայլի հետ, սակայն էլեկտրոնային աղյուսակների դեպքում ChatGPT Enterprise-ն ամենից հաճախ լռելյայն օգտագործում է CI-ն | jpg, png | pdf* * Օգտատիրոջ հարցումներում ներառված PDF-ներ |
| Վարքագիծ | Քաղում է ֆայլի տեքստը. տեքստի մի մասը տեղադրվում («լցվում») է անմիջապես համատեքստային պատուհանում, իսկ մյուս մասը պահվում է որոնման համար | Կոդերի թարգմանիչը ֆայլը փոխանցում է Python-ին՝ մշակման համար | Պատկերները մեկնաբանվում են անմիջապես բազմամոդալ մոդելների կողմից՝ հաշվի առնելով հայտնի սահմանափակումները ։ | Տեքստի որոնման և պատկերների մշակման համադրություն։ Տեքստը քաղվում է թվային եղանակով, իսկ տեսողական բովանդակությունն անմիջապես մեկնաբանվում է բազմամոդալ մոդելների կողմից։ |
Միայն տեքստ պարունակող ֆայլերի, պատկերային ֆայլերի կամ հստակ կառուցվածքավորված տվյալների ֆայլերի դեպքում (օրինակ՝ գործարքների Excel աղյուսակ) այս բաժանումներն ապահովում են հնարավոր լավագույն վարքագիծը։
Կան նաև ոչ այնքան ակնհայտ սահմանային դեպքեր, օրինակ՝
PDF-ից բացի այլ ֆայլերում ներդրված պատկերները չեն մշակվում։ Դրանք ներառելու համար վերբեռնելուց առաջ ֆայլը փոխարկեք PDF-ի։
ChatGPT Enterprise-ը էլեկտրոնային աղյուսակների հետ աշխատելու համար միշտ կօգտագործի Կոդերի թարգմանիչը, նույնիսկ եթե փաստաթուղթը մեծ քանակությամբ տեքստ է պարունակում։ Օրինակ՝ եթե ChatGPT Enterprise-ին խնդրեք թարգմանել տեքստի 10 տող պարունակող CSV ֆայլ, այն կփորձի ֆայլը թարգմանել Python գրադարանի միջոցով, ինչը պակաս ճշգրիտ է, քան մոդելին թարգմանությունն անմիջապես ստեղծելու հնարավորություն տալը։ Այս խնդիրը մեղմելու համար փորձեք էլեկտրոնային աղյուսակն արտահանել տեքստային ձևաչափով (օրինակ՝ PDF)։
Նմանապես, եթե վերբեռնեք JSON ֆայլում պարունակվող գործարքների կառուցվածքավորված աղյուսակ, ChatGPT Enterprise-ն այդ ֆայլը կմեկնաբանի որպես պարզ տեքստ։ Եթե ցանկանում եք վերլուծել JSON ֆայլում պարունակվող տվյալները, հարցման մեջ մոդելին հանձնարարեք 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 վերբեռնված փաստաթղթերից մշակել մինչև 110k թոքեն համատեքստային պատուհանում։ Եթե վերբեռնում եք մեկ կամ մի քանի փաստաթուղթ, որոնց ընդհանուր ծավալը 110k թոքենից պակաս է, ամբողջ բովանդակությունը կներառվի։
110k թոքենը գերազանցող մեկ փաստաթղթի դեպքում կներառվեն միայն առաջին 110k թոքենները՝ սկսած սկզբից։ Մնացած մասը կուղարկվի միայն մասնավոր որոնման ինդեքս։
Եթե վերբեռնվում են մի քանի փաստաթղթեր, և դրանց ընդհանուր ծավալը գերազանցում է 110k թոքենը, ChatGPT Enterprise-ը փաստաթղթերի ներկայացվածությունը հավասարակշռելու համար օգտագործում է երկքայլ գործընթաց․
Հանել մինչև 55k թոքեն՝ հավասարաչափ բաշխված վերբեռնված փաստաթղթերի միջև։
Այն փաստաթղթերի համար, որոնք առաջին քայլում ամբողջությամբ չեն ներկայացվել, մնացած 55k թոքենները բաշխել համամասնորեն՝ ըստ յուրաքանչյուր փաստաթղթում մնացած թոքենների։
Մնացած բոլոր թոքեններն ուղարկվում են միայն մասնավոր որոնման ինդեքս։
Տեքստային փաստաթղթում թոքենների քանակը կարող եք գնահատել՝ փաստաթղթի տեքստը պատճենելով OpenAI Tokenizer-ում։
Համատեքստի լրացում մուլտիմեդիա PDF-ների համար
Երբ օգտատերերը վերբեռնում են թե՛ տեքստ, թե՛ պատկերներ պարունակող PDF-ներ, Տեսողական որոնումը ChatGPT-ին հնարավորություն է տալիս մշակել այս պատկերները բնիկ եղանակով՝ թվայնորեն հանված տեքստի հետ միասին։ Հետևյալ քայլերը լրացնում են մուլտիմեդիա PDF-ների համատեքստի մշակման մեր ստանդարտ ընթացակարգերը․
Պատկերների հանում և ներդրում. Պատկերները հանվում և ներդրվում են իրենց առնչվող թվային տեքստի հետ միասին։
Խելացի մասշտաբավորում. Պատկերները ավտոմատ մասշտաբավորվում են՝ տեղեկատվության որակի և հասանելի համատեքստային պատուհանի արդյունավետ օգտագործման միջև հավասարակշռություն պահելու համար։
Երբ վերբեռնված PDF-ները գերազանցում են 110k թոքենի սահմանաչափը, թե՛ պատկերները, թե՛ տեքստը ներդրվում են մասնավոր որոնման ինդեքսում։ Տեքստային ներդրումները հղում են անում համապատասխան պատկերներին՝ թույլ տալով ChatGPT-ին օգտատիրոջ հարցումների հիման վրա գտնել համապատասխան տեքստ-պատկեր զույգերը։ Այնուհետև գտնված պատկերները մշակվում են ChatGPT-ի բնիկ բազմամոդալ հնարավորություններով։
Մուլտիմեդիա PDF-ների համար թոքենների պահանջները ճշգրիտ գնահատելը դժվար է։ Թեստավորումը ցույց է տալիս, որ խառը տեքստով և պատկերներով մոտ 350 էջը լիովին կօգտագործի 110k 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»։