ChatGPT Enterprise одоо өгөгдөлд багтсан PDF файлуудад шигтгэсэн визуал элементүүдийг (зураг, график, диаграм гэх мэт) уншиж, ойлгохыг дэмждэг болсон. Хэрэглэгчид PDF байршуулж болох бөгөөд ChatGPT тухайн файл дахь текст болон аливаа визуал элементийг тайлбарлаж чадна.
Дэлгэрэнгүйг PDF-тэй Визуал сэргээх түгээмэл асуултууд.
ChatGPT Enterprise-д файлыг хэд хэдэн аргаар байршуулах боломжтой:
Компьютероосоо шууд
GPT-ийн мэдлэг хэлбэрээр
Төслийн файл хэлбэрээр
GPT үйлдэл-ээс
Энэ гарын авлагад ChatGPT Enterprise-ийн боломжууд файлыг төрөл, тоо, хэмжээнээс нь хамааран хэрхэн боловсруулдгийг тайлбарлаж, файлын шаардлагад үндэслэн гаралтын чанарыг сайжруулах аргуудыг авч үзнэ.
Хураангуй
ChatGPT Enterprise файлын төрлүүдийг өөр өөрөөр боловсруулдаг: PDF, танилцуулга, Word файл зэрэг бичвэрэн баримтаас бичвэр задлан авах, хүснэгтийн бүтэцлэгдсэн өгөгдлийг Python кодоор шинжлэх, зургийн файлыг GPT-Vision-оор дүрслэн тайлбарлах зэргээр ажиллана. Файлын төрөл бүр ямар ажлын урсгалыг идэвхжүүлдгийг ойлгох нь хүлээсэн үр дүнд хүрэх гол түлхүүр юм.
Бичвэрт суурилсан баримтын хувьд ChatGPT Enterprise аль болох их хамааралтай бичвэрийг өгөгдлийн хамт шууд оруулж, нэмэлт мэдээлэлд хандахын тулд хайлтын систем ашигладаг. Энэ нь тодорхой асуултад хариулахад үр дүнтэй. Гэхдээ маш том баримтыг хураангуйлах эсвэл хэд хэдэн том файлыг харьцуулах зэрэг нарийн төвөгтэй даалгаварт энэ арга хүндрэлтэй байж болно. Үр дүнгээ сайжруулах аргуудтай танилцахын тулд үргэлжлүүлэн уншина уу.
Файлыг төрлөөр нь боловсруулах
ChatGPT Enterprise файлыг бичвэр задлан авах, кодоор шинжлэх, зураг тайлбарлах гэсэн гурван үндсэн аргаар боловсруулдаг. ChatGPT Enterprise ямар ажлын урсгал ашиглахыг файлын төрөл тодорхойлно.
| Бичвэрт суурилсан мэдээлэл таталт | Код тайлагч | Зураг боловсруулах | Дүрслэлээс мэдээлэл татах | |
|---|---|---|---|---|
| Файлын төрлийн жишээ | pptx, docx, txt, md, json, xml, pdf* * GPT-ийн мэдлэг эсвэл Төслийн файл хэлбэрээр байршуулсан PDF файлууд | csv, xls, xlsx* *Тайлбар: Код тайлагч нь бүх төрлийн файлтай ажиллаж чаддаг ч ChatGPT Enterprise хүснэгтэн файлд ихэвчлэн Код тайлагчийг анхдагчаар ашигладаг | jpg, png | pdf* * Хэрэглэгчийн өгөгдөлд оруулсан PDF файлууд |
| Ажиллах зарчим | Файлаас бичвэрийг задлан авна. Бичвэрийн заримыг контекстийн цонхонд шууд хуулж (“оруулж”), үлдсэнийг нь хайлтад зориулан хадгална | Код тайлагч файлыг боловсруулахын тулд Python руу дамжуулна | Зургийг олон төрлийн мэдээллийн хэрэгсэлтэй ажилладаг/мультимодаль загварууд шууд тайлбарлах бөгөөд мэдэгдэж буй хязгаарлалтууд үйлчилнэ. | Бичвэрээс мэдээлэл татах болон зураг боловсруулах аргыг хослуулна. Бичвэрийг дижиталаар задлан авч, дүрслэх агуулгыг олон төрлийн мэдээллийн хэрэгсэлтэй ажилладаг/мультимодаль загварууд шууд тайлбарлана. |
Зөвхөн бичвэртэй файл, зургийн файл эсвэл тодорхой бүтэцтэй өгөгдлийн файлд (жишээлбэл, гүйлгээний Excel хүснэгт) эдгээр ангилал нь боломжит хамгийн сайн ажиллагааг илэрхийлнэ.
Гэхдээ зарим тохиолдол аль ангилалд багтах нь төдийлөн тодорхой бус байдаг. Жишээлбэл:
PDF-ээс бусад файлд шигтгэсэн зургийг боловсруулахгүй. Тэдгээрийг оруулахын тулд байршуулахаасаа өмнө файлыг PDF болгон хөрвүүлнэ үү.
Баримт их хэмжээний бичвэр агуулсан байсан ч ChatGPT Enterprise хүснэгтэн файлтай ажиллахдаа Код тайлагчийг үргэлж ашиглана. Жишээлбэл, 10 мөр бичвэртэй CSV файлыг орчуулахыг ChatGPT Enterprise-аас хүсвэл Python сан ашиглан орчуулахыг оролдоно. Энэ нь загвараар орчуулгыг шууд үүсгүүлэхээс нарийвчлал багатай. Үүнийг багасгахын тулд хүснэгтийг бичвэрт суурилсан формат руу (жишээлбэл, PDF) экспортолж үзнэ үү.
Үүний нэгэн адил, бүтэцлэгдсэн гүйлгээний хүснэгт агуулсан JSON файл байршуулбал ChatGPT Enterprise уг файлыг энгийн бичвэр гэж тайлбарлана. JSON файлд агуулагдсан өгөгдлийг шинжлэхийг хүсвэл өгөгдөлдөө Код тайлагч ашиглахыг загварт зааварчилна уу.
Файлыг хэмжээнээс нь хамааран боловсруулах
ChatGPT Enterprise нь хамгийн ихдээ 128k токены контекстийн цонхтой (ойролцоогоор 200 хуудас текст) загваруудыг ашигладаг. Гэхдээ бүх токеныг байршуулсан файлуудын текстийг оруулахад ашигладаггүй. “Оруулсан” токены тоо хэрэглээний төрлөөс хамааран өөр өөр байна.
ChatGPT Enterprise тодорхой хэмжээний текстийг “оруулж”, үлдсэн текстийг хувийн хайлтын индекс рүү илгээдэг (их хэмжээний текстийг үр ашигтай хадгалж, сэргээхэд зориулагдсан өгөгдлийн сангийн төрөл болох “вектор хадгалах сан”). Та асуулт асуух үед ChatGPT Enterprise оруулсан текстийг хувийн хайлтын индексээс авсан холбогдох хэсгүүдийн хамт авчирдаг.
Хэрэв та нэг баримт бичиг байршуулбал ChatGPT Enterprise эхнээс нь эхлэн хязгаарт хүрэх хүртэлх текстийг оруулна. Хэрэв та олон баримт бичиг байршуулбал ChatGPT Enterprise баримт бичиг бүрийн зарим эсвэл бүх хэсгийг оруулна. Баримт бичгүүдийн бүх текстийг мөн хувийн хайлтын индекс рүү илгээдэг.
Текст баримт бичгийн контекст оруулалт
Энэ боломж идэвхтэй хөгжүүлэлтийн шатанд байна. Иймээс дараах дэлгэрэнгүй мэдээлэл урьдчилан мэдэгдэлгүйгээр өөрчлөгдөж болно.
ChatGPT Enterprise контекстийн цонхонд байршуулсан баримт бичгүүдээс 110k хүртэл токен боловсруулах боломжтой. Хэрэв таны байршуулсан нэг эсвэл хэд хэдэн баримт бичгийн нийлбэр 110k токеноос бага бол бүх агуулгыг оруулна.
110k токеноос давсан нэг баримт бичгийн хувьд эхнээс нь эхлэн зөвхөн эхний 110k токеныг оруулна. Үлдсэн хэсгийг зөвхөн хувийн хайлтын индекс рүү илгээнэ.
Хэрэв олон баримт бичиг байршуулсан бөгөөд тэдгээрийн нийлбэр 110k токеноос давбал ChatGPT Enterprise баримт бичгийн төлөөллийг тэнцвэржүүлэх хоёр алхамт процесс ашиглана:
Байршуулсан баримт бичгүүдийн хооронд тэнцүү хувааж, 55k хүртэл токен гаргаж авна.
Эхний алхамд бүрэн төлөөлөгдөөгүй баримт бичгүүдэд үлдсэн 55k токеныг баримт бичиг бүрт үлдсэн токенд үндэслэн пропорциональ хуваарилна.
Үлдсэн аливаа токеныг зөвхөн хувийн хайлтын индекс рүү илгээнэ.
Та текст баримт бичиг дэх токены тоог тооцоолохын тулд баримт бичгийн текстийг OpenAI Tokenizer руу хуулж болно.
Мультимедиа PDF-ийн контекст оруулалт
Хэрэглэгчид текст болон зураг агуулсан PDF байрлуулах үед Визуал сэргээх нь ChatGPT-д эдгээр зургийг дижиталаар гаргаж авсан текстийн хамт натив байдлаар боловсруулах боломж олгодог. Дараах алхмууд нь мультимедиа PDF-д зориулсан манай стандарт контекст боловсруулах журмыг нэмэлтээр гүйцээнэ:
Зураг гаргаж авах ба эмбеддинг хийх: Зургийг түүнтэй холбоотой дижитал текстийн хамт гаргаж авч, эмбеддинг хийнэ.
Ухаалаг хэмжээг тохируулах: Боломжит контекстийн цонхны мэдээллийн чанар ба үр ашигтай хэрэглээний тэнцвэрийг хадгалахын тулд зургуудын хэмжээг автоматаар тохируулна.
Байршуулсан PDF-үүд 110k токены хязгаараас давбал зураг болон текст хоёуланг нь хувийн хайлтын индексэд эмбеддинг хийнэ. Текстийн эмбеддингууд холбогдох зургуудыг заадаг тул ChatGPT хэрэглэгчийн асуулгад үндэслэн тохирох текст-зургийн хослолуудыг сэргээж чадна. Сэргээгдсэн зургуудыг дараа нь ChatGPT-ийн натив мультимодаль чадамжийг ашиглан боловсруулна.
Мультимедиа PDF-ийн токены хэрэгцээг үнэн зөв тооцоолох нь төвөгтэй. Туршилтаас харахад холимог текст ба зураг бүхий ойролцоогоор 350 хуудас нь 110k токены контекстийн цонхыг бүрэн ашиглана.
Загварын төрлөөс хамаарсан хайлтын стратеги
GPT цуврал болон o цувралын загварууд хоёулаа файл байршуулахыг дэмжиж, ижил контекст оруулах болон хайлтын эмбеддинг логикийг ашигладаг. Бүх загвар хувийн хайлтын индекс дээр түлхүүр үгийн болон семантик аргуудыг хослуулсан гибрид хайлт гүйцэтгэдэг. Гибрид хайлтад загвар хэрэглэгчийн өгөгдөлд үндэслэн хайлтын хэллэг үүсгэж, хувийн хайлтын индекс нь түүнд тохирох текст болон зургийг олж авдаг.
Гэхдээ эдгээр загвар контекстийн цонхоос давсан том баримт бичиг дотор хэрхэн хайдгаараа ялгаатай:
GPT цувралын загварууд
Өгөгдөл бүрээр нэг хайлт хийх: GPT цувралын загварууд хэрэглэгчийн өгөгдөл бүрээр нэг хайлт хийдэг.
Тохиромжтой хэрэглээ: Их хэмжээний баримт бичигт агуулагдсан энгийн асуултад хариулахад нэн тохиромжтой.
Асуулгын жишээ:
“Эрт тэтгэвэрт гарахтай холбоотой хүний нөөцийн бодлого юу вэ?”
“process_order функц юу хийдэг вэ?”
o цувралын загварууд
Өгөгдөл бүрээр олон хайлт хийх: Хэрэглэгчийн өгөгдөл бүрд тус бүр нь давтагдашгүй хайлтын хэллэгтэй хэд хэдэн хайлтыг (ихэвчлэн 2–3) гүйцэтгэж чадна. Хайлтуудыг дарааллаар гүйцэтгэх бөгөөд загвар өмнөх хайлтаар олсон мэдээлэлд үндэслэн арга барилаа шинэчилж чадна.
Тохиромжтой хэрэглээ: Их хэмжээний баримт бичгээс чиглэсэн хэд хэдэн хайлт хийх шаардлагатай нарийн төвөгтэй асуултад илүү тохиромжтой.
Асуулгын жишээ:
“Эрт тэтгэвэрт гарах, эцэг эхийн чөлөө авах, гадаадад шилжин ажиллахтай холбоотой хүний нөөцийн бодлого юу вэ?”
“process_order функц юу хийдгийг тайлбарлаж, уг функцийн дууддаг бүх аргыг жагсаан, тус бүрийг нь товч тайлбарлана уу.”
Давуу талтай хэдий ч асуулгыг шийдэхэд гурваас олон хайлт шаардлагатай бол o цувралын загваруудад хүндрэл учирч болзошгүй.
Файл хайлтын үр дүнг сайжруулах зөвлөмжүүд
Олон хайлт шаарддаг төвөгтэй асуултад o цувралын загвар ашиглаж үзээрэй.
Таны байршуулсан баримт бичгийн төрөл, тоо хэмжээ, хэмжээнээс хамааран хариултууд өөр өөр байж болохыг санаарай.
Ерөнхийдөө цөөн, чиглэсэн баримт бичиг ачаалснаар нарийвчлал өндөрснө.
Олон асуулттай сэдвүүдийг нэг асуулт болгон хувирга:
Хэрэв танд муж бүрийн хүний нөөцийн бодлогыг мэдэх шаардлагатай бол тэдгээрийг нэг нэгээр нь асуу.
Хэрэв олон баримт бичгийг хураангуйлах шаардлагатай бол нэг удаад нэг баримт бичиг асуу. Хэрэв тухайн баримт бичиг хэдэн зуун хуудастай бол жижиг хэсгүүдэд хуваахыг бодолцоорой.
Бүтэн баримт бичгийн оронд олон хураангуй өгсөн бол ChatGPT Enterprise-аар “хураангуйн хураангуй” бичүүлж болно.
Хэрэв танд RFP-ийн CSV байгаа бол (мөр бүр нь өөр асуулт) CSV-г зүгээр ачаалаад нэг хариулт хүсэхийн оронд тэдгээр асуултыг нэг нэгээр нь асуу.
Загварын хариултуудыг аудит хийх арга зам хай. GPT-ийн зааврын жишээг доор харуулав:
# Контекст
Та баримт ойлгох чиглэлээр мэргэшсэн шинжээч. Хэрэглэгч баримт хавсаргаад асуулт асуух гэж байна. Тэд таны хариултыг авсан текстийн яг аль хэсэгтэй холбож чаддаг байх хэрэгтэй.
# Заавар
1. Хэрэглэгчийн асуултад хавсаргасан баримтад үндэслэн доорх яг форматаар хариул
# Формат
- Асуулт: { хэрэглэгчийн асуултыг давт }
- Хариулт: { хэрэглэгчийн асуултад хариул }
Эх сурвалж:
- - Хэсгийн дугаар: { хариулт авсан хэсгийн дугаарыг өг }
- - Хэсгийн гарчиг: { хариулт авсан хэсгийн гарчгийг өг }
- - Яг текст: { хариултыг авсан яг текстийг өг }
# Дүрэм
- Хариултыг ойлгомжтой, товч өг
- Зөвхөн баримтад өгөгдсөн мэдээллийг өг
- Хэрэв баримтаас хариултыг олж чадахгүй бол зүгээр л "Мэдээлэл олдсонгүй." гэж хариул