ChatGPT Enterprise сега поддржува читање и разбирање визуелни елементи (слики, графикони, дијаграми итн.) вградени во PDF-датотеки вклучени во промптови. Корисниците може да прикачат PDF-датотека, а ChatGPT може да го толкува текстот и сите визуелни елементи во таа датотека.
За детали, видете ЧПП за визуелно преземање со PDF-датотеки.
ChatGPT Enterprise ви овозможува да прикачувате датотеки на неколку начини:
Директно од вашиот компјутер
Како Знаење на GPT
Како датотека на проект
Овој водич објаснува како функциите на ChatGPT Enterprise постапуваат со датотеките во зависност од нивниот тип, број и големина, како и стратегии за подобрување на резултатите според барањата за датотеките.
Резиме
ChatGPT Enterprise постапува многу различно со различните типови датотеки: извлекува текст од текстуални документи како PDF-датотеки, презентации и Word-датотеки, анализира структурирани податоци од табеларни пресметки со помош на Python-код и опишува слики преку GPT-Vision. За да го добиете очекуваниот резултат, важно е да знаете кој тип датотека активира одреден работен тек.
Кај текстуалните документи, ChatGPT Enterprise вклучува што е можно повеќе релевантен текст директно покрај промптот и користи систем за пребарување за пристап до дополнителни информации. Ова дава добри резултати при одговарање конкретни прашања. Сепак, овој пристап може да има тешкотии со сложени задачи, како што се резимирање многу големи документи или споредување повеќе големи датотеки. Продолжете со читање за да дознаете со кои стратегии може да ги подобрите резултатите.
Постапување со датотеки според нивниот тип
ChatGPT Enterprise ги обработува датотеките на три главни начини: извлекување текст, анализа на код и толкување слики. Типот на датотеката одредува кој работен тек ќе го следи ChatGPT Enterprise.
| Пребарување текстуална содржина | Толкувач на кодови | Обработка на слики | Визуелно пребарување | |
|---|---|---|---|---|
| Примери за типови датотеки | pptx, docx, txt, md, json, xml, pdf* * PDF-датотеки прикачени како Знаење на GPT или датотеки на проект | csv, xls, xlsx* *Забелешка: Толкувачот на кодови може да работи со секој тип датотека, но ChatGPT Enterprise најчесто стандардно го користи CI за табеларни пресметки | jpg, png | pdf* * PDF-датотеки вклучени во корисничките промптови |
| Однесување | Го извлекува текстот од датотеката – дел од текстот директно се вметнува („пополнува“) во прозорецот за контекст, а друг дел се складира за пребарување | Толкувачот на кодови ја предава датотеката на Python за обработка | Сликите изворно ги толкуваат мултимодални модели, во рамките на познатите ограничувања . | Комбинација од пребарување текстуална содржина и обработка на слики. Текстот се извлекува дигитално, а визуелната содржина изворно ја толкуваат мултимодални модели. |
За датотеки само со текст, сликовни датотеки или јасно структурирани податочни датотеки (на пр., Excel-табела со трансакции), овие поделби го претставуваат најдоброто можно однесување.
Постојат и неколку помалку очигледни сиви зони, на пример:
Сликите вметнати во датотеки што не се PDF-датотеки 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 големо количество текст. На пример, ако побарате од ChatGPT Enterprise да преведе CSV-датотека со 10 реда текст, ќе се обиде да ја преведе датотеката со помош на Python-библиотека, што е помалку прецизно отколку да му се овозможи на моделот директно да го создаде 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 содржана во JSON-датотека, ChatGPT Enterprise ќе ја протолкува датотеката како обичен текст. Ако сакате да ги анализирате податоците во JSON-датотека, во промптот дајте му упатство на моделот 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 што надминува 110 илјади токени, ќе бидат вклучени само првите 110 илјади токени, почнувајќи од почетокот. Остатокот ќе биде испратен само во приватниот индекс за пребарување.
Ако се прикачат повеќе документи и нивниот вкупен број надмине 110 илјади токени, ChatGPT Enterprise користи процес во два чекора за да ја балансира застапеноста на документите:
Извлечете до 55 илјади токени, поделени рамномерно меѓу прикачените документи.
За документите што не се целосно застапени во првиот чекор, распределете ги преостанатите 55 илјади токени пропорционално според токените што останале во секој документ.
Сите преостанати токени се испраќаат само во приватниот индекс за пребарување.
Бројот на токени во текстуален документ може да го процените со копирање на текстот од документот во OpenAI Tokenizer.
Пополнување контекст за мултимедијални PDF-датотеки
Кога корисниците прикачуваат PDF-датотеки што содржат и текст и слики, Визуелното преземање му овозможува на ChatGPT да ги обработува овие слики изворно заедно со дигитално извлечениот текст. Следниве чекори ги надополнуваат нашите стандардни постапки за ракување со контекст за мултимедијални PDF-датотеки:
Извлекување и вградување слики: Сликите се извлекуваат и вградуваат заедно со нивниот поврзан дигитален текст.
Интелигентно скалирање: Сликите автоматски се скалираат за да се одржи рамнотежа меѓу квалитетот на информациите и ефикасното користење на достапниот прозорец за контекст.
Кога прикачените PDF-датотеки го надминуваат ограничувањето од 110 илјади токени, и сликите и текстот се вградуваат во приватниот индекс за пребарување. Текстуалните вградувања упатуваат на релевантни слики, овозможувајќи му на ChatGPT да ги преземе соодветните парови текст-слика врз основа на корисничките барања. Потоа преземените слики се обработуваат со користење на изворните мултимодални способности на ChatGPT.
Точното проценување на потребите од токени за мултимедијални PDF-датотеки е предизвик. Тестирањето сугерира дека приближно 350 страници со мешан текст и слики целосно ќе го искористат 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.“