ChatGPT Enterprise dabar gali skaityti ir suprasti vaizdinę informaciją (vaizdus, grafikus, diagramas ir kt.), įterptą į prie užklausų pridėtus PDF failus. Naudotojams įkėlus PDF failą, ChatGPT gali interpretuoti tekstą ir visus tame faile esančius vaizdinius elementus.
Daugiau informacijos rasite čia: DUK apie vaizdinę paiešką PDF failuose.
ChatGPT Enterprise leidžia įkelti failus keliais būdais:
Tiesiogiai iš kompiuterio
Kaip GPT žinias
Kaip projekto failą
Per GPT veiksmą
Šiame vadove paaiškinama, kaip ChatGPT Enterprise funkcijos apdoroja failus pagal jų tipą, skaičių ir dydį, ir aptariama, kaip pagerinti rezultatus atsižvelgiant į failų apdorojimo reikalavimus.
Santrauka
ChatGPT Enterprise skirtingų tipų failus apdoroja labai skirtingai: iš tekstinių dokumentų, pavyzdžiui, PDF failų, pateikčių ir „Word“ failų, išgauna tekstą, skaičiuoklių struktūrinius duomenis analizuoja naudodama „Python“ kodą, o vaizdo failus aprašo pasitelkdama GPT-Vision. Norint gauti laukiamą rezultatą, svarbu suprasti, koks apdorojimo būdas taikomas kiekvienam failo tipui.
Apdorodama tekstinius dokumentus, ChatGPT Enterprise tiesiogiai prie užklausos prideda kuo daugiau aktualaus teksto, o papildomą informaciją pasiekia naudodama paieškos sistemą. Šis būdas puikiai tinka atsakant į konkrečius klausimus. Tačiau jis gali būti ne toks veiksmingas atliekant sudėtingas užduotis, pavyzdžiui, apibendrinant labai didelius dokumentus ar lyginant kelis didelius failus. Skaitykite toliau ir sužinokite, kaip pagerinti rezultatus.
Failų apdorojimas pagal tipą
ChatGPT Enterprise failus apdoroja trimis pagrindiniais būdais: išgauna tekstą, analizuoja duomenis naudodama kodą ir interpretuoja vaizdus. Failo tipas lemia, kokį apdorojimo būdą naudoja ChatGPT Enterprise.
| Tekstinė paieška | Kodo interpretatorius | Vaizdų apdorojimas | Vaizdinė paieška | |
|---|---|---|---|---|
| Failų tipų pavyzdžiai | pptx, docx, txt, md, json, xml, pdf* * PDF failai, įkelti kaip GPT žinios arba projekto failai | csv, xls, xlsx* * Pastaba: Kodo interpretatorius gali apdoroti bet kokio tipo failus, tačiau ChatGPT Enterprise jį dažniausiai pagal numatytąsias nuostatas naudoja skaičiuoklėms. | jpg, png | pdf* * PDF failai, pridėti prie naudotojų užklausų |
| Veikimas | Iš failo išgaunamas tekstas – dalis teksto įklijuojama („sukraunama“) tiesiai į konteksto langą, o dalis išsaugoma paieškai. | Kodo interpretatorius perduoda failą apdoroti „Python“ aplinkoje. | Daugiarūšiai modeliai vaizdus interpretuoja tiesiogiai, tačiau taikomi žinomi apribojimai. | Tekstinės paieškos ir vaizdų apdorojimo derinys. Tekstas išgaunamas skaitmeniniu būdu, o vaizdinį turinį tiesiogiai interpretuoja daugiarūšiai modeliai. |
Failams, kuriuose yra tik tekstas, vaizdo failams ar aiškios struktūros duomenų failams (pvz., „Excel“ operacijų lentelei) toks apdorojimo būdų paskirstymas užtikrina geriausius rezultatus.
Tačiau pasitaiko ir ne tokių akivaizdžių atvejų, pavyzdžiui:
Vaizdai, įterpti į kitus nei PDF failus, neapdorojami. Kad jie būtų įtraukti, prieš įkeldami konvertuokite failą į PDF formatą.
Skaičiuoklėms apdoroti ChatGPT Enterprise visada naudos Kodo interpretatorių, net jei dokumente yra daug teksto. Pavyzdžiui, jei paprašysite ChatGPT Enterprise išversti CSV failą su 10 teksto eilučių, ji bandys versti failą naudodama „Python“ biblioteką. Toks vertimas bus ne toks tikslus, kaip leidus modeliui tiesiogiai sugeneruoti vertimą. Norėdami sumažinti šį trūkumą, pabandykite eksportuoti skaičiuoklę tekstiniu formatu (pavyzdžiui, PDF).
Panašiai, jei įkelsite JSON failą su struktūrine operacijų lentele, ChatGPT Enterprise šį failą interpretuos kaip paprastą tekstą. Jei norite analizuoti JSON faile esančius duomenis, užklausoje nurodykite modeliui naudoti Kodo interpretatorių.
Failų tvarkymas pagal dydį
ChatGPT Enterprise naudoja modelius, kurių didžiausias konteksto langas yra 128 tūkst. žetonų (maždaug 200 puslapių teksto). Tačiau ne visi žetonai naudojami tekstui iš įkeltų failų įtraukti. „Įterpiamų“ žetonų skaičius priklauso nuo naudojimo tipo.
ChatGPT Enterprise „įterpia“ tam tikrą teksto kiekį, o likęs tekstas siunčiamas į privatų paieškos indeksą („vektorinę saugyklą“, kuri yra duomenų bazės tipas, skirtas efektyviai saugoti ir gauti didelius teksto kiekius). Kai užduodate klausimą, ChatGPT Enterprise pateikia įtrauktą tekstą kartu su susijusiais fragmentais, gautais iš privataus paieškos indekso.
Jei įkeliate vieną dokumentą, ChatGPT Enterprise įtraukia tekstą nuo pradžios, kol pasiekia savo ribą. Jei įkeliate kelis dokumentus, ChatGPT Enterprise įtraukia dalį arba visą kiekvieno dokumento turinį. Visas dokumentų tekstas taip pat siunčiamas į privatų paieškos indeksą.
Konteksto įterpimas tekstiniams dokumentams
Ši funkcija yra aktyviai tobulinama. Todėl toliau pateikta informacija gali būti pakeista be išankstinio įspėjimo.
ChatGPT Enterprise konteksto lange gali apdoroti iki 110 tūkst. žetonų iš įkeltų dokumentų. Jei įkelsite vieną ar kelis dokumentus, kuriuose iš viso yra mažiau nei 110 tūkst. žetonų, bus įtrauktas visas jų turinys.
Jei viename dokumente yra daugiau nei 110 tūkst. žetonų, bus įtraukta tik pirmieji 110 tūkst. žetonų, skaičiuojant nuo dokumento pradžios. Likusi dalis bus siunčiama tik į privatų paieškos indeksą.
Jei įkeliami keli dokumentai, kuriuose iš viso yra daugiau nei 110 tūkst. žetonų, ChatGPT Enterprise atlieka toliau nurodytus veiksmus, kad subalansuotai įtrauktų visų dokumentų turinį:
Išgauna iki 55 tūkst. žetonų, šį skaičių po lygiai paskirstydama įkeltiems dokumentams.
Likusius 55 tūkst. žetonų paskirsto dokumentams, kurie per pirmąjį veiksmą nebuvo įtraukti visiškai, proporcingai pagal kiekviename dokumente likusių žetonų skaičių.
Visi likę žetonai siunčiami tik į privatų paieškos indeksą.
Apytikslį žetonų skaičių tekstiniame dokumente galite sužinoti nukopijavę dokumento tekstą į OpenAI žetonų skaičiavimo įrankį.
PDF failų su tekstu ir vaizdais įtraukimas į kontekstą
Kai naudotojai įkelia PDF failus, kuriuose yra ir teksto, ir vaizdų, vaizdinė paieška leidžia ChatGPT tiesiogiai apdoroti šiuos vaizdus kartu su skaitmeniniu būdu išgautu tekstu. Apdorojant PDF failus su tekstu ir vaizdais, įprastos konteksto tvarkymo procedūros papildomos šiais veiksmais:
Vaizdų išgavimas ir įterpimas: vaizdai išgaunami ir įterpiami kartu su susijusiu skaitmeniniu tekstu.
Išmanusis mastelio keitimas: vaizdų mastelis automatiškai keičiamas siekiant išlaikyti pusiausvyrą tarp informacijos kokybės ir efektyvaus turimo konteksto lango naudojimo.
Kai įkelti PDF failai viršija 110 tūkst. žetonų ribą, ir vaizdai, ir tekstas įterpiami į privatų paieškos indeksą. Teksto įterpiniuose pateikiamos nuorodos į susijusius vaizdus, todėl ChatGPT gali pagal naudotojų užklausas rasti atitinkamas teksto ir vaizdų poras. Rasti vaizdai tuomet apdorojami naudojant integruotas ChatGPT daugiarūšio apdorojimo galimybes.
Tiksliai įvertinti, kiek žetonų reikės PDF failams su tekstu ir vaizdais, sudėtinga. Bandymų rezultatai rodo, kad maždaug 350 puslapių su tekstu ir vaizdais visiškai užpildo 110 tūkst. žetonų konteksto langą.
Paieškos strategijos pagal modelio tipą
Tiek GPT serijos, tiek o serijos modeliai palaiko failų įkėlimą ir naudoja tą pačią konteksto įterpimo bei paieškos įterpinių logiką. Visi modeliai atlieka hibridines paieškas privačiame paieškos indekse, derindami raktažodžių ir semantinius metodus. Hibridinėje paieškoje modelis sugeneruoja paieškos frazę pagal naudotojo užklausą, o privatus paieškos indeksas atitinkamai pateikia susijusį tekstą ir vaizdus.
Tačiau šie modeliai skiriasi tuo, kaip jie ieško dideliuose dokumentuose, viršijančiuose konteksto langą:
GPT serijos modeliai
Viena paieška pagal užklausą: GPT serijos modeliai atlieka po vieną paiešką pagal kiekvieną naudotojo užklausą.
Tinkami naudojimo atvejai: puikiai tinka atsakyti į paprastus klausimus, kurių atsakymai slypi išsamioje dokumentacijoje.
Užklausų pavyzdžiai:
„Kokia yra personalo politika dėl ankstyvo išėjimo į pensiją?“
„Ką atlieka funkcija process_order?“
o serijos modeliai
Kelios paieškos pagal vieną užklausą: pagal kiekvieną naudotojo užklausą galima atlikti kelias paieškas (paprastai 2–3), kiekvieną naudojant vis kitą paieškos frazę. Paieškos atliekamos nuosekliai, o modelis gali keisti metodą pagal per ankstesnes paieškas gautą informaciją.
Tinkami naudojimo atvejai: geriau tinka sudėtingiems klausimams, kai išsamioje dokumentacijoje reikia atlikti kelias tikslines paieškas.
Užklausų pavyzdžiai:
„Kokia yra personalo politika dėl ankstyvo išėjimo į pensiją, vaiko priežiūros atostogų ir perkėlimo dirbti į užsienį?“
„Paaiškinkite, ką atlieka funkcija process_order, išvardykite visus jos iškviečiamus metodus ir trumpai aprašykite kiekvieną iš jų.“
Nepaisant savo pranašumų, o serijos modeliams gali būti sunku, kai užklausai reikia daugiau nei trijų paieškų.
Patarimai, kaip pagerinti failų paieškos rezultatus
Sudėtingiems klausimams, kuriems reikia kelių paieškų, pabandykite naudoti o serijos modelį.
Atminkite, kad atsakymai gali skirtis priklausomai nuo įkeliamų dokumentų tipo, skaičiaus ir dydžio.
Apskritai įkeliant mažiau, tikslingesnių dokumentų tikslumas bus didesnis.
Kelių klausimų temas paverskite pavieniais klausimais:
Jei reikia sužinoti kiekvienos valstijos personalo politiką, klauskite po vieną.
Jei reikia apibendrinti daug dokumentų, prašykite po vieną dokumentą. Jei tas dokumentas yra kelių šimtų puslapių, apsvarstykite galimybę suskaidyti jį į mažesnes dalis.
Galėtumėte paprašyti ChatGPT Enterprise parašyti „santraukų santrauką“, jei pateiktumėte kelias santraukas, o ne visus dokumentus.
Jei turite RFP CSV failą (kiekviena eilutė yra atskiras klausimas), užduokite tuos klausimus po vieną, užuot tiesiog įkėlę CSV ir paprašę vieno atsakymo.
Raskite būdų audituoti modelio atsakymus. Toliau pateikiamos GPT instrukcijų pavyzdžiai:
# Kontekstas
Jūs puikiai suprantate dokumentus. Naudotojas pridės dokumentą ir užduos klausimą. Jam turi būti įmanoma susieti jūsų atsakymą su tikslia teksto vieta, iš kurios paėmėte atsakymą.
# Instrukcijos
1. Atsakykite į naudotojo klausimą pagal jo pridėtą dokumentą, naudodami tikslų toliau pateiktą formatą
# Formatas
- Klausimas: { pakartokite naudotojo klausimą }
- Atsakymas: { pateikite atsakymą į naudotojo klausimą }
Šaltinis:
- - Skyriaus numeris: { nurodykite skyriaus numerį, iš kurio paėmėte atsakymą }
- - Skyriaus pavadinimas: { nurodykite skyriaus pavadinimą, iš kurio paėmėte atsakymą }
- - Tikslus tekstas: { pateikite tikslų tekstą, iš kurio paėmėte atsakymą }
# Taisyklės
- Pateikite aiškius ir glaustus atsakymus
- Pateikite tik dokumente esančią informaciją
- Jei negalite rasti atsakymo dokumente, tiesiog atsakykite „Informacijos nerasta.“