O ChatGPT Enterprise permite agora ler e compreender elementos visuais (imagens, gráficos, diagramas, etc.) incorporados em ficheiros PDF incluídos nos prompts. Os utilizadores podem carregar um PDF e o ChatGPT pode interpretar o texto e quaisquer elementos visuais desse ficheiro.
Para mais informações, consulte: Perguntas frequentes sobre recuperação visual em PDFs.
O ChatGPT Enterprise permite carregar ficheiros de várias formas:
Diretamente do seu computador
A partir do Google Drive / SharePoint / OneDrive
Como ficheiro de projeto
A partir de uma ação de um GPT
Este guia explica como as funcionalidades do ChatGPT Enterprise tratam os ficheiros consoante o tipo, o número e o tamanho, e apresenta estratégias para melhorar os resultados tendo em conta os requisitos dos ficheiros.
Resumo
O ChatGPT Enterprise trata os vários tipos de ficheiros de formas muito diferentes: extrai texto de documentos como PDFs, apresentações e ficheiros Word, analisa dados estruturados de folhas de cálculo através de código Python e descreve ficheiros de imagem através do GPT-Vision. Compreender o fluxo de trabalho que cada tipo de ficheiro desencadeia é essencial para obter o resultado esperado.
No caso de documentos de texto, o ChatGPT Enterprise inclui o máximo de texto relevante possível diretamente junto do prompt e utiliza um sistema de pesquisa para aceder a informação adicional. Este método funciona bem para responder a perguntas específicas. No entanto, esta abordagem pode ter dificuldades em tarefas complexas, como resumir documentos muito extensos ou comparar vários ficheiros grandes. Continue a ler para conhecer estratégias que ajudam a melhorar os seus resultados.
Tratamento de ficheiros consoante o tipo
O ChatGPT Enterprise processa ficheiros de três formas principais: extração de texto, análise através de código e interpretação de imagens. O tipo de ficheiro determina o fluxo de trabalho que o ChatGPT Enterprise segue.
| Recuperação de texto | Code Interpreter | Processamento de imagens | Recuperação visual | |
|---|---|---|---|---|
| Exemplos de tipos de ficheiros | pptx, docx, txt, md, json, xml, pdf* * PDFs carregados como conhecimento de um GPT ou ficheiros de projeto | csv, xls, xlsx* *Nota: o Code Interpreter pode trabalhar com qualquer tipo de ficheiro, mas o ChatGPT Enterprise utiliza-o sobretudo como opção predefinida para folhas de cálculo | jpg, png | pdf* * PDFs incluídos nos prompts dos utilizadores |
| Comportamento | Extrai o texto do ficheiro: parte do texto é colada («inserida») diretamente na janela de contexto; outra parte é armazenada para pesquisa | O Code Interpreter passa o ficheiro para o Python para processamento | As imagens são interpretadas de forma nativa por modelos multimodais, sujeitos a limitações conhecidas. | Uma combinação de recuperação de texto e processamento de imagens. O texto é extraído digitalmente e o conteúdo visual é interpretado de forma nativa por modelos multimodais. |
Para ficheiros apenas de texto, ficheiros de imagem ou ficheiros de dados claramente estruturados (por exemplo, uma tabela de transações em Excel), esta divisão corresponde à forma de processamento mais adequada.
Existem alguns casos menos óbvios, por exemplo:
As imagens incorporadas em ficheiros que não sejam PDFs não são processadas. Para as incluir, converta o ficheiro em PDF antes de o carregar.
O ChatGPT Enterprise utiliza sempre o Code Interpreter para interagir com folhas de cálculo, mesmo que o documento contenha muito texto. Por exemplo, se pedir ao ChatGPT Enterprise que traduza um ficheiro CSV com 10 linhas de texto, este tentará traduzir o ficheiro através de uma biblioteca Python, o que é menos preciso do que permitir ao modelo gerar a tradução diretamente. Para atenuar este problema, experimente exportar a folha de cálculo para um formato de texto (PDF, por exemplo).
Da mesma forma, se carregar uma tabela estruturada de transações contida num ficheiro JSON, o ChatGPT Enterprise interpretará esse ficheiro como texto simples. Se quiser analisar os dados contidos num ficheiro JSON, indique no prompt que o modelo deve utilizar o Code Interpreter.
Tratamento de ficheiros com base no tamanho
O ChatGPT Enterprise utiliza modelos com uma janela de contexto máxima de 128 mil tokens (aproximadamente 200 páginas de texto). No entanto, nem todos os tokens são utilizados para incorporar o texto dos ficheiros carregados. O número de tokens «inseridos» varia consoante o tipo de utilização.
O ChatGPT Enterprise «insere» alguma quantidade de texto, e o texto restante é enviado para um índice de pesquisa privado (um «repositório vetorial», que é um tipo de base de dados concebido para armazenar e recuperar grandes quantidades de texto de forma eficiente). Quando faz uma pergunta, o ChatGPT Enterprise inclui o texto incorporado juntamente com blocos relevantes recuperados de um índice de pesquisa privado.
Se carregar um único documento, o ChatGPT Enterprise inclui texto desde o início até atingir o seu limite. Se carregar vários documentos, o ChatGPT Enterprise inclui parte ou a totalidade de cada documento. Todo o texto dos documentos também é enviado para um índice de pesquisa privado.
Inserção no contexto para documentos de texto
Esta funcionalidade está em desenvolvimento ativo. Como tal, os detalhes seguintes estão sujeitos a alterações sem aviso prévio.
O ChatGPT Enterprise pode processar até 110 mil tokens de documentos carregados na janela de contexto. Se carregar um ou mais documentos com um total inferior a 110 mil tokens, todo o conteúdo será incluído.
Se um único documento exceder os 110 mil tokens, apenas serão incluídos os primeiros 110 mil tokens, a contar do início. O restante conteúdo será enviado apenas para o índice de pesquisa privado.
Se forem carregados vários documentos e o total exceder os 110 mil tokens, o ChatGPT Enterprise utiliza o seguinte processo para equilibrar a representação dos documentos:
Extrai até 55 mil tokens, distribuídos uniformemente pelos documentos carregados.
Para os documentos que não ficaram totalmente representados no primeiro passo, distribui os 55 mil tokens restantes proporcionalmente ao número de tokens que faltam incluir de cada documento.
Quaisquer tokens restantes são enviados apenas para o índice de pesquisa privado.
Pode estimar o número de tokens num documento de texto copiando o respetivo texto para o tokenizador da OpenAI.
Inserção de conteúdo de PDFs multimédia no contexto
Quando os utilizadores carregam PDFs que contêm texto e imagens, a recuperação visual permite ao ChatGPT processar estas imagens de forma nativa, juntamente com o texto extraído digitalmente. Os passos seguintes complementam os nossos procedimentos habituais de gestão do contexto para PDFs multimédia:
Extração e incorporação de imagens: as imagens são extraídas e incorporadas juntamente com o texto digital associado.
Redimensionamento inteligente: as imagens são redimensionadas automaticamente para manter um equilíbrio entre a qualidade da informação e a utilização eficiente da janela de contexto disponível.
Quando os PDFs carregados excedem o limite de 110 mil tokens, tanto as imagens como o texto são incorporados no índice de pesquisa privado. As representações vetoriais do texto fazem referência às imagens relevantes, permitindo ao ChatGPT recuperar os pares de texto e imagem adequados com base nas consultas dos utilizadores. As imagens recuperadas são depois processadas através das capacidades multimodais nativas do ChatGPT.
É difícil estimar com precisão o número de tokens necessários para PDFs multimédia. Os testes sugerem que cerca de 350 páginas com texto e imagens ocupam toda a janela de contexto de 110 mil tokens.
Estratégias de pesquisa com base no tipo de modelo
Tanto os modelos da série GPT como os modelos da série o suportam carregamentos de ficheiros e utilizam a mesma lógica de inserção de contexto e embeddings de pesquisa. Todos os modelos executam pesquisas híbridas num índice de pesquisa privado, combinando métodos por palavra-chave e semânticos. Numa pesquisa híbrida, o modelo gera uma expressão de pesquisa com base no prompt do utilizador, e o índice de pesquisa privado recupera texto e imagens relevantes em conformidade.
No entanto, estes modelos diferem na forma como pesquisam em documentos grandes que excedem a janela de contexto:
modelos da série GPT
Uma pesquisa por prompt: os modelos da série GPT efetuam uma pesquisa por cada prompt do utilizador.
Casos de utilização adequados: ideais para responder a perguntas simples inseridas em documentação extensa.
Exemplos de consultas:
«Qual é a política de RH relativa à reforma antecipada?»
«O que faz a função process_order?»
modelos da série o
Várias pesquisas por prompt: podem executar várias pesquisas (normalmente, 2 a 3) por prompt do utilizador, cada uma com uma expressão de pesquisa única. As pesquisas são executadas sequencialmente e o modelo pode ajustar a abordagem com base nas informações obtidas em pesquisas anteriores.
Casos de utilização adequados: mais indicados para perguntas complexas que exigem várias pesquisas específicas em documentação extensa.
Exemplos de consultas:
«Quais são as políticas de RH relativas à reforma antecipada, à licença parental e à transferência para o estrangeiro?»
«Explique o que faz a função process_order, enumere todos os métodos que esta invoca e descreva brevemente cada um deles.»
Apesar dos seus pontos fortes, os modelos da série o podem ter dificuldades quando uma consulta exige mais de três pesquisas.
Sugestões para melhorar os resultados da pesquisa de ficheiros
Experimente usar um modelo da série o para perguntas complexas que exijam várias pesquisas.
Lembre-se de que as respostas podem variar consoante o tipo, o número e o tamanho dos documentos que carrega.
Em geral, carregar menos documentos e mais focados conduz a uma maior precisão.
Transforme tópicos com várias perguntas em perguntas únicas:
Se precisar de conhecer as políticas de RH de todos os estados, pergunte uma a uma.
Se precisar de resumir muitos documentos, peça um documento de cada vez. Se esse documento tiver muitas centenas de páginas, considere dividi-lo em componentes mais pequenos.
Pode pedir ao ChatGPT Enterprise que escreva um «resumo de resumos» se lhe fornecer vários resumos em vez de documentos completos.
Se tiver um CSV de uma RFP (cada linha é uma pergunta diferente), faça essas perguntas uma a uma em vez de simplesmente carregar o CSV e pedir uma única resposta.
Encontre formas de auditar as respostas do modelo. Seguem-se exemplos de instruções GPT:
# Contexto
É especialista em compreender documentos. O utilizador vai anexar um documento e fazer uma pergunta. Ele precisa de conseguir ligar a sua resposta à parte exata do texto de onde retirou a resposta.
# Instruções
1. Responda à pergunta do utilizador com base no documento anexado usando o formato exato indicado abaixo
# Formato
- Pergunta: { repetir a pergunta do utilizador }
- Resposta: { fornecer uma resposta à pergunta do utilizador }
Fonte:
- - Número da secção: { indicar o número da secção de onde retirou a resposta }
- - Título da secção: { indicar o título da secção de onde retirou a resposta }
- - Texto exato: { indicar o texto exato de onde retirou a resposta }
# Regras
- Dê respostas claras e concisas
- Forneça apenas informações presentes no documento
- Se não conseguir encontrar a resposta no documento, responda simplesmente «Nenhuma informação encontrada.»