ChatGPT Enterprise сега поддржува читање и разбирање на визуелните елементи (слики, графикони, дијаграми итн.) вградени во PDF-датотеки вклучени во промптови. Корисниците може да прикачат PDF-документ, а ChatGPT може да го толкува текстот и сите визуелни елементи во таа датотека.
За детали, погледнете: Често поставувани прашања за визуелното пребарување во PDF-документи.
ChatGPT Enterprise ви овозможува да прикачувате датотеки на неколку начини:
Директно од вашиот компјутер
Како знаење за GPT
Како проектна датотека
Преку дејство на GPT
Овој водич објаснува како функциите на ChatGPT Enterprise обработуваат датотеки според нивниот тип, број и големина и разгледува стратегии за подобрување на резултатите според барањата за датотеките.
Резиме
ChatGPT Enterprise ги обработува различните типови датотеки на многу различни начини: извлекува текст од текстуални документи како PDF-документи, презентации и Word-датотеки, анализира структурирани податоци од табеларни пресметки со код на Python и опишува слики преку GPT-Vision. За да го добиете очекуваниот резултат, клучно е да разберете кој тип датотека активира кој работен тек.
Кај текстуалните документи, ChatGPT Enterprise вклучува што е можно повеќе релевантен текст директно покрај промптот и користи систем за пребарување за да пристапи до дополнителни информации. Ова функционира добро за одговарање на конкретни прашања. Сепак, овој пристап може да наиде на тешкотии со сложени задачи, како сумирање многу големи документи или споредување повеќе големи датотеки. Прочитајте понатаму за да дознаете кои стратегии може да ви помогнат да ги подобрите резултатите.
Обработка на датотеки според типот
ChatGPT Enterprise обработува датотеки на три главни начини: извлекување текст, анализа со код и толкување слики. Типот на датотеката одредува кој работен тек ќе го следи ChatGPT Enterprise.
| Текстуално пребарување | Толкувач на кодови | Обработка на слики | Визуелно пребарување | |
|---|---|---|---|---|
| Примери за типови датотеки | pptx, docx, txt, md, json, xml, pdf* * PDF-документи прикачени како знаење за GPT или проектни датотеки | csv, xls, xlsx* *Забелешка: Толкувачот на кодови може да работи со секој тип датотека, но ChatGPT Enterprise најчесто стандардно го користи за табеларни пресметки | jpg, png | pdf* * PDF-документи вклучени во кориснички промптови |
| Начин на работа | Го извлекува текстот од датотеката – дел од текстот се вметнува („се сместува“) директно во прозорецот за контекст, а дел се зачувува за пребарување | Толкувачот на кодови ја проследува датотеката до Python за обработка | Мултимодалните модели директно ги толкуваат сликите, со познатите ограничувања. | Комбинација од текстуално пребарување и обработка на слики. Текстот се извлекува дигитално, а мултимодалните модели директно ја толкуваат визуелната содржина. |
За датотеки што содржат само текст, слики или јасно структурирани податоци (на пр., табела со трансакции во Excel), оваа поделба овозможува најсоодветна обработка.
Има и помалку очигледни случаи во кои поделбата не е толку јасна, на пример:
Сликите вградени во датотеки што не се во PDF-формат не се обработуваат. За да ги вклучите, претворете ја датотеката во PDF пред да ја прикачите.
ChatGPT Enterprise секогаш ќе го користи Толкувачот на кодови за работа со табеларни пресметки, дури и ако документот содржи многу текст. На пример, ако побарате од ChatGPT Enterprise да преведе CSV-датотека со 10 реда текст, ќе се обиде да ја преведе со библиотека за Python, што е помалку прецизно отколку моделот директно да го генерира преводот. За да го ублажите овој проблем, обидете се да ја извезете табеларната пресметка во текстуален формат (на пример, PDF).
Слично на тоа, ако прикачите структурирана табела со трансакции во JSON-датотека, ChatGPT Enterprise ќе ја толкува датотеката како обичен текст. Ако сакате да ги анализирате податоците во JSON-датотека, наведете во промптот дека моделот треба да го користи Толкувачот на кодови.
Ракување со датотеки според големина
ChatGPT Enterprise користи модели со максимален прозорец за контекст од 128 илјади токени (приближно 200 страници текст). Сепак, не се користат сите токени за вклучување на текстот од прикачените датотеки. Бројот на „вметнати“ токени се разликува според типот на употреба.
ChatGPT Enterprise „вметнува“ одредена количина текст, а преостанатиот текст се испраќа во приватен индекс за пребарување („векторска база“, што е тип база на податоци дизајнирана за ефикасно складирање и преземање големи количини текст). Кога поставувате прашање, ChatGPT Enterprise го внесува вклучениот текст заедно со релевантни делови преземени од приватен индекс за пребарување.
Ако прикачите еден документ, ChatGPT Enterprise вклучува текст почнувајќи од почетокот додека не го достигне своето ограничување. Ако прикачите повеќе документи, ChatGPT Enterprise вклучува дел или сè од секој документ. Целиот текст од документите исто така се испраќа во приватен индекс за пребарување.
Пополнување контекст за текстуални документи
Оваа функција е во активен развој. Затоа, следниве детали може да се променат без претходна најава.
ChatGPT Enterprise може да обработи до 110 илјади токени од прикачени документи во прозорецот за контекст. Ако прикачите еден или повеќе документи со вкупно помалку од 110 илјади токени, ќе биде вклучена целата содржина.
За еден документ со над 110 илјади токени, ќе бидат вклучени само првите 110 илјади токени, почнувајќи од почетокот. Остатокот ќе се испрати само во приватниот индекс за пребарување.
Ако се прикачат повеќе документи со вкупно над 110 илјади токени, ChatGPT Enterprise ја користи следнава постапка за да обезбеди урамнотежена застапеност на документите:
Извлекува до 55 илјади токени, распределени рамномерно меѓу прикачените документи.
За документите што не се целосно застапени во првиот чекор, ги распределува преостанатите 55 илјади токени пропорционално, според бројот на преостанати токени во секој документ.
Сите преостанати токени се испраќаат само во приватниот индекс за пребарување.
Може да го процените бројот на токени во текстуален документ со копирање на неговиот текст во токенизаторот на OpenAI.
Пополнување на контекстот со мултимедијални PDF-документи
Кога корисниците прикачуваат PDF-документи со текст и слики, Визуелното пребарување му овозможува на ChatGPT директно да ги обработува сликите заедно со дигитално извлечениот текст. Следниве чекори ги дополнуваат нашите стандардни постапки за обработка на контекстот кај мултимедијални PDF-документи:
Извлекување и вградување слики: Сликите се извлекуваат и се вградуваат заедно со дигиталниот текст поврзан со нив.
Интелигентно приспособување на големината: Големината на сликите автоматски се приспособува за да се одржи рамнотежа меѓу квалитетот на информациите и ефикасното користење на достапниот прозорец за контекст.
Кога прикачените PDF-документи го надминуваат ограничувањето од 110 илјади токени, и сликите и текстот се вградуваат во приватниот индекс за пребарување. Векторските претстави на текстот упатуваат на релевантни слики, што му овозможува на ChatGPT да ги преземе соодветните парови текст и слика според корисничките барања. Преземените слики потоа се обработуваат со вградените мултимодални способности на ChatGPT.
Тешко е точно да се процени бројот на токени потребни за мултимедијални PDF-документи. Тестирањата укажуваат дека приближно 350 страници со текст и слики целосно го пополнуваат прозорецот за контекст од 110 илјади токени.
Стратегии за пребарување според типот на модел
И моделите од серијата GPT и моделите од o-серијата поддржуваат прикачување датотеки и користат идентична логика за пополнување контекст и вградување при пребарување. Сите модели извршуваат хибридни пребарувања врз приватен индекс за пребарување, комбинирајќи методи со клучни зборови и семантички методи. При хибридно пребарување, моделот генерира фраза за пребарување врз основа на промптот на корисникот, а приватниот индекс за пребарување соодветно презема релевантен текст и слики.
Сепак, овие модели се разликуваат во тоа како пребаруваат низ големи документи што го надминуваат прозорецот за контекст:
Модели од серијата GPT
Едно пребарување по промпт: Моделите од серијата GPT извршуваат едно пребарување за секој кориснички промпт.
Соодветни случаи на употреба: Идеални се за одговарање на едноставни прашања чии одговори се наоѓаат во обемна документација.
Примери за прашања:
„Каква е политиката за човечки ресурси во врска со предвремено пензионирање?“
„Што прави функцијата process_order?“
Модели од серијата o
Повеќе пребарувања по промпт: Може да извршат повеќе пребарувања (обично 2–3) за секој кориснички промпт, секое со различна фраза за пребарување. Пребарувањата се извршуваат последователно, а моделот може да го приспособува пристапот врз основа на информациите добиени од претходните пребарувања.
Соодветни случаи на употреба: Посоодветни се за сложени прашања што бараат повеќе насочени пребарувања низ обемна документација.
Примери за прашања:
„Какви се политиките за човечки ресурси во врска со предвремено пензионирање, родителско отсуство и преместување во странство?“
„Објасни што прави функцијата process_order, наведи ги сите методи што ги повикува оваа функција и накратко опиши го секој повикан метод.“
И покрај нивните предности, моделите од серијата o може да имаат тешкотии кога прашањето бара повеќе од три пребарувања.
Совети за подобрување на резултатите од пребарување датотеки
Обидете се да користите модел од o-серијата за сложени прашања што бараат повеќе пребарувања.
Имајте на ум дека одговорите може да се разликуваат во зависност од типот, бројот и големината на документите што ги прикачувате.
Општо земено, вчитувањето помал број фокусирани документи ќе доведе до поголема точност.
Претворете ги темите со повеќе прашања во поединечни прашања:
Ако треба да ги знаете политиките за човечки ресурси на секоја сојузна држава, прашајте ги едно по едно.
Ако треба да резимирате многу документи, побарајте по еден документ одеднаш. Ако тој документ има многу стотици страници, размислете да го поделите на помали компоненти.
Можете да побарате од ChatGPT Enterprise да напише „резиме на резимеа“ ако му дадете повеќе резимеа наместо цели документи.
Ако имате CSV со RFP (секоја линија е различно прашање), поставувајте ги тие прашања едно по едно наместо само да го вчитате CSV и да побарате еден одговор.
Најдете начини да ги проверувате одговорите на моделот. Пример-инструкции за GPT се дадени подолу:
# Контекст
Вие сте експерт за разбирање документи. Корисникот ќе прикачи документ и ќе постави прашање. Треба да може да го поврзе вашиот одговор со точниот дел од текстот од кој сте го земале одговорот.
# Инструкции
1. Одговорете на прашањето на корисникот врз основа на неговиот прикачен документ, користејќи го точниот формат даден подолу
# Формат
- Прашање: { повторете го прашањето на корисникот }
- Одговор: { дадете одговор на прашањето на корисникот }
Source:
- - Број на дел: { наведете го бројот на делот од кој го земавте одговорот }
- - Наслов на дел: { наведете го насловот на делот од кој го земавте одговорот }
- - Точен текст: { наведете го точниот текст од кој го земавте одговорот }
# Правила
- Дајте одговори што се јасни и концизни
- Давајте само информации наведени во документот
- Ако не можете да го најдете одговорот во документот, едноставно одговорете „Не се пронајдени информации.“