ప్రాంప్ట్లలో చేర్చిన PDF ఫైల్లలో ఎంబెడ్ చేసిన విజువల్లను (చిత్రాలు, గ్రాఫ్లు, డయాగ్రామ్లు మొదలైనవి) చదవడం మరియు అర్థం చేసుకోవడానికి ChatGPT Enterprise ఇప్పుడు మద్దతు ఇస్తుంది. యూజర్లు PDFను అప్లోడ్ చేయవచ్చు, మరియు ChatGPT ఆ ఫైల్లోని పాఠ్యం మరియు ఏవైనా విజువల్ అంశాలను అర్థం చేసుకోగలదు.
వివరాల కోసం PDFలతో విజువల్ రిట్రీవల్ FAQ. చూడండి
ChatGPT Enterpriseలో ఫైళ్లను పలు విధాలుగా అప్లోడ్ చేయవచ్చు:
మీ కంప్యూటర్ నుంచి నేరుగా
GPT చర్య నుంచి
ChatGPT Enterprise ఫీచర్లు ఫైల్ రకం, సంఖ్య, పరిమాణం ఆధారంగా వాటిని ఎలా నిర్వహిస్తాయో ఈ మార్గదర్శిని వివరిస్తుంది. ఫైల్ అవసరాలకు అనుగుణంగా ఫలితాలను మెరుగుపరిచే వ్యూహాలను కూడా చర్చిస్తుంది.
సారాంశం
ChatGPT Enterprise వివిధ ఫైల్ రకాలను విభిన్నంగా నిర్వహిస్తుంది: PDFలు, ప్రెజెంటేషన్లు, వర్డ్ ఫైళ్లు వంటి పాఠ్య డాక్యుమెంట్ల నుంచి పాఠ్యాన్ని సంగ్రహిస్తుంది; పైథాన్ కోడ్తో స్ప్రెడ్షీట్లలోని నిర్మిత డేటాను విశ్లేషిస్తుంది; GPT-విజన్ ద్వారా చిత్ర ఫైళ్లను వివరిస్తుంది. ఏ ఫైల్ రకం ఏ కార్యప్రవాహాన్ని ప్రారంభిస్తుందో అర్థం చేసుకోవడం ఆశించిన ఫలితాన్ని పొందడానికి కీలకం.
పాఠ్య ఆధారిత డాక్యుమెంట్ల విషయంలో, ChatGPT Enterprise వీలైనంత సంబంధిత పాఠ్యాన్ని నేరుగా ప్రాంప్ట్తో కలిపి అందిస్తుంది. అదనపు సమాచారాన్ని పొందడానికి శోధన వ్యవస్థను ఉపయోగిస్తుంది. నిర్దిష్ట ప్రశ్నలకు సమాధానమివ్వడంలో ఈ విధానం బాగా పనిచేస్తుంది. అయితే, చాలా పెద్ద డాక్యుమెంట్లను సంగ్రహించడం లేదా అనేక పెద్ద ఫైళ్లను పోల్చడం వంటి సంక్లిష్ట పనుల్లో ఈ విధానం ఇబ్బంది పడవచ్చు. మీ ఫలితాలను మెరుగుపరిచే వ్యూహాలను తెలుసుకోవడానికి ముందుకు చదవండి.
రకాన్ని బట్టి ఫైళ్ల నిర్వహణ
ChatGPT Enterprise ఫైళ్లను ప్రధానంగా మూడు విధాలుగా ప్రాసెస్ చేస్తుంది: పాఠ్య సంగ్రహణ, కోడ్ విశ్లేషణ, చిత్ర వివరణ. ChatGPT Enterprise అనుసరించే కార్యప్రవాహాన్ని ఫైల్ రకం నిర్ణయిస్తుంది.
| పాఠ్య ఆధారిత సమాచార వెలికితీత | కోడ్ ఇంటర్ప్రెటర్ | చిత్ర ప్రాసెసింగ్ | దృశ్య సమాచార వెలికితీత | |
|---|---|---|---|---|
| ఫైల్ రకాల ఉదాహరణలు | pptx, docx, txt, md, json, xml, pdf* * GPT పరిజ్ఞానంగా లేదా ప్రాజెక్ట్ ఫైళ్లుగా అప్లోడ్ చేసిన PDFలు | csv, xls, xlsx* *గమనిక: కోడ్ ఇంటర్ప్రెటర్ ఏ ఫైల్ రకంపైనైనా పనిచేయగలదు. అయితే స్ప్రెడ్షీట్ల కోసం ChatGPT Enterprise సాధారణంగా CIని అప్రమేయంగా ఉపయోగిస్తుంది | jpg, png | pdf* * వినియోగదారు ప్రాంప్ట్లలో చేర్చిన PDFలు |
| ప్రవర్తన | ఫైల్ నుంచి పాఠ్యాన్ని సంగ్రహిస్తుంది. కొంత పాఠ్యం నేరుగా కాంటెక్స్ట్ విండోలో అతికించబడుతుంది, అంటే “నింపబడుతుంది”; మరికొంత పాఠ్యం శోధన కోసం నిల్వ చేయబడుతుంది | ప్రాసెసింగ్ కోసం కోడ్ ఇంటర్ప్రెటర్ ఫైల్ను పైథాన్కు పంపుతుంది | తెలిసిన పరిమితులకు లోబడి, మల్టీ-మోడల్ మోడళ్లు చిత్రాలను సహజంగానే అర్థం చేసుకుంటాయి. | పాఠ్య సమాచార వెలికితీత, చిత్ర ప్రాసెసింగ్ల మిశ్రమం. పాఠ్యం డిజిటల్గా సంగ్రహించబడుతుంది. దృశ్య కంటెంట్ను మల్టీ-మోడల్ మోడళ్లు సహజంగానే అర్థం చేసుకుంటాయి. |
పాఠ్యం మాత్రమే ఉన్న ఫైళ్లు, చిత్ర ఫైళ్లు లేదా స్పష్టంగా నిర్మితమైన డేటా ఫైళ్లకు, ఉదాహరణకు లావాదేవీల ఎక్సెల్ పట్టికకు, ఈ విభజనలు అత్యుత్తమ ప్రవర్తనను సూచిస్తాయి.
అంత స్పష్టంగా లేని కొన్ని సందిగ్ధ సందర్భాలు కూడా ఉన్నాయి. ఉదాహరణకు:
PDFలు కాకుండా ఇతర ఫైళ్లలో పొందుపరిచిన చిత్రాలు ప్రాసెస్ చేయబడవు. వాటిని చేర్చడానికి, అప్లోడ్ చేసే ముందు ఫైల్ను PDFగా మార్చండి.
డాక్యుమెంట్లో పెద్ద మొత్తంలో పాఠ్యం ఉన్నప్పటికీ, స్ప్రెడ్షీట్లతో పరస్పర చర్య కోసం ChatGPT Enterprise ఎల్లప్పుడూ కోడ్ ఇంటర్ప్రెటర్ను ఉపయోగిస్తుంది. ఉదాహరణకు, 10 వరుసల పాఠ్యం ఉన్న CSV ఫైల్ను అనువదించమని ChatGPT Enterpriseను అడిగితే, అది పైథాన్ లైబ్రరీని ఉపయోగించి ఫైల్ను అనువదించడానికి ప్రయత్నిస్తుంది. మోడల్ నేరుగా అనువాదాన్ని రూపొందించడంతో పోలిస్తే ఇది తక్కువ ఖచ్చితమైనది. ఈ సమస్యను తగ్గించడానికి, స్ప్రెడ్షీట్ను పాఠ్య ఆధారిత ఫార్మాట్లోకి, ఉదాహరణకు PDFగా, ఎగుమతి చేయండి.
అదే విధంగా, JSON ఫైల్లో ఉన్న నిర్మిత లావాదేవీ పట్టికను అప్లోడ్ చేస్తే, ChatGPT Enterprise ఆ ఫైల్ను సాధారణ పాఠ్యంగా అర్థం చేసుకుంటుంది. JSON ఫైల్లోని డేటాను విశ్లేషించాలనుకుంటే, మీ ప్రాంప్ట్లో కోడ్ ఇంటర్ప్రెటర్ను ఉపయోగించమని మోడల్కు సూచించండి.
పరిమాణం ఆధారంగా ఫైల్ల నిర్వహణ
ChatGPT Enterprise గరిష్ఠంగా 128k టోకెన్ల కాంటెక్స్ట్ విండో (సుమారు 200 పేజీల పాఠ్యం) ఉన్న మోడల్లను ఉపయోగిస్తుంది. అయితే, అప్లోడ్ చేసిన ఫైల్లలోని పాఠ్యాన్ని చేర్చడానికి అన్ని టోకెన్లు ఉపయోగించబడవు. “నింపబడిన” టోకెన్ల సంఖ్య వినియోగ రకాన్ని బట్టి మారుతుంది.
ChatGPT Enterprise కొంత పరిమాణంలోని పాఠ్యాన్ని “నింపుతుంది”, మిగిలిన పాఠ్యం ప్రైవేట్ సెర్చ్ ఇండెక్స్కు (“వెక్టర్ స్టోర్”, అంటే పెద్ద పరిమాణాల పాఠ్యాన్ని సమర్థంగా నిల్వ చేసి తిరిగి పొందడానికి రూపొందించిన ఒక రకమైన డేటాబేస్) పంపబడుతుంది. మీరు ప్రశ్న అడిగినప్పుడు, చేర్చిన పాఠ్యంతో పాటు ప్రైవేట్ సెర్చ్ ఇండెక్స్ నుండి తిరిగి పొందిన సంబంధిత భాగాలను ChatGPT Enterprise తీసుకువస్తుంది.
మీరు ఒకే డాక్యుమెంట్ను అప్లోడ్ చేస్తే, ChatGPT Enterprise ప్రారంభం నుండి మొదలుకుని తన పరిమితిని చేరుకునే వరకు పాఠ్యాన్ని చేర్చుతుంది. మీరు బహుళ డాక్యుమెంట్లను అప్లోడ్ చేస్తే, ChatGPT Enterprise ప్రతి డాక్యుమెంట్లో కొంత లేదా మొత్తం భాగాన్ని చేర్చుతుంది. డాక్యుమెంట్లలోని మొత్తం పాఠ్యం కూడా ప్రైవేట్ సెర్చ్ ఇండెక్స్కు పంపబడుతుంది.
టెక్స్ట్ డాక్యుమెంట్ల కోసం కాంటెక్స్ట్ స్టఫింగ్
ఈ ఫీచర్ ప్రస్తుతం సక్రియ అభివృద్ధిలో ఉంది. అందువల్ల, క్రింద ఇచ్చిన వివరాలు ముందస్తు సూచన లేకుండా మారవచ్చు.
ChatGPT Enterprise కాంటెక్స్ట్ విండోలో అప్లోడ్ చేసిన డాక్యుమెంట్ల నుండి 110k టోకెన్ల వరకు ప్రాసెస్ చేయగలదు. మొత్తం కలిపి 110k టోకెన్ల కంటే తక్కువగా ఉన్న ఒకటి లేదా అంతకంటే ఎక్కువ డాక్యుమెంట్లను మీరు అప్లోడ్ చేస్తే, పూర్తి కంటెంట్ చేర్చబడుతుంది.
110k టోకెన్లను మించిన ఒకే డాక్యుమెంట్ కోసం, ప్రారంభం నుండి మొదటి 110k టోకెన్లు మాత్రమే చేర్చబడతాయి. మిగిలిన భాగం ప్రైవేట్ సెర్చ్ ఇండెక్స్కు మాత్రమే పంపబడుతుంది.
బహుళ డాక్యుమెంట్లు అప్లోడ్ చేయబడి, వాటి మొత్తం కలిపి 110k టోకెన్లను మించితే, డాక్యుమెంట్ ప్రాతినిధ్యాన్ని సమతుల్యం చేయడానికి ChatGPT Enterprise రెండు దశల ప్రక్రియను ఉపయోగిస్తుంది:
అప్లోడ్ చేసిన డాక్యుమెంట్ల మధ్య సమానంగా విభజించి, 55k టోకెన్ల వరకు సంగ్రహించండి.
మొదటి దశలో పూర్తిగా ప్రాతినిధ్యం పొందని డాక్యుమెంట్ల కోసం, ప్రతి డాక్యుమెంట్లో మిగిలిన టోకెన్ల ఆధారంగా మిగిలిన 55k టోకెన్లను అనుపాతంగా కేటాయించండి.
మిగిలిన ఏవైనా టోకెన్లు ప్రైవేట్ సెర్చ్ ఇండెక్స్కు మాత్రమే పంపబడతాయి.
టెక్స్ట్ డాక్యుమెంట్లోని టోకెన్ల సంఖ్యను అంచనా వేయడానికి, డాక్యుమెంట్ పాఠ్యాన్ని OpenAI టోకనైజర్లోకి కాపీ చేయవచ్చు.
మల్టీమీడియా PDFల కోసం కాంటెక్స్ట్ స్టఫింగ్
యూజర్లు పాఠ్యం మరియు చిత్రాలు రెండూ ఉన్న PDFలను అప్లోడ్ చేసినప్పుడు, విజువల్ రిట్రీవల్ డిజిటల్గా సంగ్రహించిన పాఠ్యంతో పాటు ఈ చిత్రాలను స్థానికంగా ప్రాసెస్ చేయడానికి ChatGPTను అనుమతిస్తుంది. క్రింది దశలు మల్టీమీడియా PDFల కోసం మా ప్రామాణిక కాంటెక్స్ట్-నిర్వహణ విధానాలకు అదనంగా ఉంటాయి:
చిత్ర సంగ్రహణ మరియు ఎంబెడింగ్: చిత్రాలు సంగ్రహించబడి, వాటికి సంబంధించిన డిజిటల్ పాఠ్యంతో పాటు ఎంబెడ్ చేయబడతాయి.
ఇంటెలిజెంట్ స్కేలింగ్: సమాచారం నాణ్యత మరియు అందుబాటులో ఉన్న కాంటెక్స్ట్ విండో సమర్థ వినియోగం మధ్య సమతుల్యతను ఉంచడానికి చిత్రాలు ఆటోమేటిక్గా స్కేల్ చేయబడతాయి.
అప్లోడ్ చేసిన PDFలు 110k టోకెన్ పరిమితిని మించినప్పుడు, చిత్రాలు మరియు పాఠ్యం రెండూ ప్రైవేట్ సెర్చ్ ఇండెక్స్లో ఎంబెడ్ చేయబడతాయి. టెక్స్ట్ ఎంబెడింగ్లు సంబంధిత చిత్రాలను సూచిస్తాయి, యూజర్ ప్రశ్నల ఆధారంగా సరైన పాఠ్యం-చిత్ర జంటలను తిరిగి పొందడానికి ChatGPTకు వీలు కల్పిస్తాయి. తిరిగి పొందిన చిత్రాలు ఆపై ChatGPT యొక్క స్థానిక మల్టీ-మోడల్ సామర్థ్యాలను ఉపయోగించి ప్రాసెస్ చేయబడతాయి.
మల్టీమీడియా PDFల కోసం టోకెన్ అవసరాలను ఖచ్చితంగా అంచనా వేయడం సవాలుగా ఉంటుంది. మిశ్రమ పాఠ్యం మరియు చిత్రాలున్న సుమారు 350 పేజీలు 110k టోకెన్ కాంటెక్స్ట్ విండోను పూర్తిగా ఉపయోగిస్తాయని పరీక్షలు సూచిస్తున్నాయి.
మోడల్ రకం ఆధారంగా శోధన వ్యూహాలు
GPT-సిరీస్ మరియు o-సిరీస్ మోడల్లు రెండూ ఫైల్ అప్లోడ్లకు మద్దతు ఇస్తాయి మరియు ఒకే విధమైన కాంటెక్స్ట్ స్టఫింగ్, సెర్చ్ ఎంబెడింగ్ లాజిక్ను ఉపయోగిస్తాయి. అన్ని మోడల్లు ప్రైవేట్ సెర్చ్ ఇండెక్స్పై హైబ్రిడ్ శోధనలను అమలు చేస్తాయి, కీవర్డ్ మరియు సెమాంటిక్ పద్ధతులను కలిపి ఉపయోగిస్తాయి. హైబ్రిడ్ శోధనలో, యూజర్ ప్రాంప్ట్ ఆధారంగా మోడల్ ఒక శోధన పదబంధాన్ని రూపొందిస్తుంది, దానికి అనుగుణంగా ప్రైవేట్ సెర్చ్ ఇండెక్స్ సంబంధిత పాఠ్యం మరియు చిత్రాలను తిరిగి పొందుతుంది.
అయితే, కాంటెక్స్ట్ విండోను మించే పెద్ద డాక్యుమెంట్లలో ఇవి ఎలా శోధిస్తాయనే విషయంలో ఈ మోడల్లు భిన్నంగా ఉంటాయి:
GPT-సిరీస్ మోడళ్లు
ప్రతి ప్రాంప్ట్కు ఒకే శోధన: GPT-సిరీస్ మోడళ్లు ప్రతి వినియోగదారు ప్రాంప్ట్కు ఒక శోధన చేస్తాయి.
సమర్థవంతమైన వినియోగ సందర్భాలు: విస్తృతమైన డాక్యుమెంటేషన్లోని సూటిగా ఉండే ప్రశ్నలకు సమాధానమివ్వడానికి అనువైనవి.
ఉదాహరణ ప్రశ్నలు:
"ముందస్తు పదవీ విరమణకు సంబంధించిన మానవ వనరుల విధానం ఏమిటి?"
"process_order ఫంక్షన్ ఏమి చేస్తుంది?"
ఓ-సిరీస్ మోడళ్లు
ప్రతి ప్రాంప్ట్కు పలు శోధనలు: ప్రతి వినియోగదారు ప్రాంప్ట్కు ప్రత్యేక శోధన పదబంధంతో సాధారణంగా 2-3 శోధనలు చేయగలవు. శోధనలు వరుసగా జరుగుతాయి. గత శోధనల్లో లభించిన సమాచారం ఆధారంగా మోడల్ తన విధానాన్ని మార్చుకోగలదు.
సమర్థవంతమైన వినియోగ సందర్భాలు: విస్తృతమైన డాక్యుమెంటేషన్లో లక్ష్యిత శోధనలు పలుమార్లు చేయాల్సిన సంక్లిష్ట ప్రశ్నలకు మరింత అనుకూలం.
ఉదాహరణ ప్రశ్నలు:
"ముందస్తు పదవీ విరమణ, తల్లిదండ్రుల సెలవు, విదేశీ బదిలీకి సంబంధించిన మానవ వనరుల విధానాలు ఏమిటి?"
"process_order ఫంక్షన్ ఏమి చేస్తుందో వివరించి, అది అమలు చేసే అన్ని మెథడ్లను జాబితా చేసి, వాటిలో ప్రతిదాన్నీ క్లుప్తంగా వివరించండి."
ఓ-సిరీస్ మోడళ్లకు అనేక సామర్థ్యాలు ఉన్నప్పటికీ, ఒక ప్రశ్నకు మూడు కంటే ఎక్కువ శోధనలు అవసరమైనప్పుడు అవి ఇబ్బంది పడవచ్చు.
ఫైల్ శోధన ఫలితాలను మెరుగుపరచడానికి చిట్కాలు
బహుళ శోధనలు అవసరమయ్యే సంక్లిష్ట ప్రశ్నల కోసం o-సిరీస్ మోడల్ను ఉపయోగించి చూడండి.
మీరు అప్లోడ్ చేసే డాక్యుమెంట్ల రకం, సంఖ్య మరియు పరిమాణం ఆధారంగా ప్రతిస్పందనలు మారవచ్చని గుర్తుంచుకోండి.
సాధారణంగా, తక్కువ సంఖ్యలో, కేంద్రీకృత డాక్యుమెంట్లను లోడ్ చేయడం అధిక ఖచ్చితత్వానికి దారి తీస్తుంది.
బహుళ-ప్రశ్న అంశాలను ఒక్కో ప్రశ్నగా మార్చండి:
ప్రతి రాష్ట్రం యొక్క HR విధానాలు మీకు తెలుసుకోవాలి అనుకుంటే, వాటిని ఒక్కొక్కటిగా అడగండి.
అనేక డాక్యుమెంట్లను సంక్షిప్తీకరించాల్సి ఉంటే, ఒకేసారి ఒక డాక్యుమెంట్ కోసం అడగండి. ఆ డాక్యుమెంట్ అనేక వందల పేజీలుగా ఉంటే, దాన్ని చిన్న భాగాలుగా విభజించడం గురించి ఆలోచించండి.
మొత్తం డాక్యుమెంట్ల బదులుగా బహుళ సారాంశాలను ఇచ్చినట్లయితే, “సారాంశాల సారాంశం” రాయమని మీరు ChatGPT Enterpriseను అడగవచ్చు.
మీ వద్ద RFP యొక్క CSV ఉంటే (ప్రతి లైన్ వేరే ప్రశ్న), CSVను లోడ్ చేసి ఒకే సమాధానం కోరడం బదులుగా ఆ ప్రశ్నలను ఒక్కొక్కటిగా అడగండి.
మోడల్ ప్రతిస్పందనలను ఆడిట్ చేయడానికి మార్గాలను కనుగొనండి. ఉదాహరణ GPT సూచనలు క్రింద ఉన్నాయి:
# Context
మీరు డాక్యుమెంట్లను అర్థం చేసుకోవడంలో నిపుణులు. వినియోగదారు ఒక డాక్యుమెంట్ను జత చేసి ఒక ప్రశ్న అడుగుతారు. మీ సమాధానం మీరు తీసుకున్న పాఠ్యంలో ఏ ఖచ్చితమైన భాగానికి సంబంధించినదో వారు తిరిగి అనుసంధానించగలగాలి.
# Instructions
1. క్రింద ఇచ్చిన ఖచ్చితమైన ఫార్మాట్ను ఉపయోగించి, వినియోగదారి ప్రశ్నకు వారి జతచేసిన డాక్యుమెంట్ ఆధారంగా సమాధానం ఇవ్వండి.
# Format
- Question: { వినియోగదారి ప్రశ్నను పునరావృతం చేయండి }
- Answer: { వినియోగదారి ప్రశ్నకు సమాధానం ఇవ్వండి }
Source:
- - Section Number: { మీరు సమాధానం తీసుకున్న విభాగ సంఖ్యను ఇవ్వండి }
- - Section Title: { మీరు సమాధానం తీసుకున్న విభాగ శీర్షికను ఇవ్వండి }
- - Exact Text: { మీరు సమాధానం తీసుకున్న ఖచ్చితమైన పాఠ్యాన్ని ఇవ్వండి }
# Rules
- స్పష్టమైన మరియు సంక్షిప్తమైన సమాధానాలు ఇవ్వండి.
- డాక్యుమెంట్లో ఇచ్చిన సమాచారాన్ని మాత్రమే అందించండి.
- డాక్యుమెంట్లో సమాధానం కనుగొనలేకపోతే, సాదాసీదాగా "సమాచారం దొరకలేదు." అని సమాధానం ఇవ్వండి.