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 Enterprise పలు విధాలుగా ఫైల్లను అప్లోడ్ చేయడానికి మిమ్మల్ని అనుమతిస్తుంది:
మీ కంప్యూటర్ నుండి నేరుగా
GPT చర్య నుండి
ఫైల్ల రకం, సంఖ్య మరియు పరిమాణం ఆధారంగా ChatGPT Enterprise ఫీచర్లు ఫైల్లను ఎలా నిర్వహిస్తాయో ఈ గైడ్ వివరిస్తుంది, అలాగే ఫైల్ అవసరాల ఆధారంగా అవుట్పుట్లను మెరుగుపరచడానికి వ్యూహాలను చర్చిస్తుంది.
సారాంశం
ChatGPT Enterprise వేర్వేరు ఫైల్ రకాలను చాలా భిన్నంగా నిర్వహిస్తుంది: PDFలు, ప్రెజెంటేషన్లు, Word ఫైల్లు వంటి టెక్స్ట్ డాక్యుమెంట్ల నుండి పాఠ్యాన్ని సంగ్రహించడం, Python కోడ్ ఉపయోగించి స్ప్రెడ్షీట్లలోని నిర్మిత డేటాను విశ్లేషించడం, GPT-Vision ద్వారా ఇమేజ్ ఫైల్లను వివరించడం. ఏ ఫైల్ రకం ఏ వర్క్ఫ్లోను ప్రారంభిస్తుందో అర్థం చేసుకోవడం, ఆశించిన ఫలితాన్ని పొందడానికి కీలకం.
టెక్స్ట్-ఆధారిత డాక్యుమెంట్ల కోసం, ChatGPT Enterprise ప్రాంప్ట్ పక్కనే సాధ్యమైనంత ఎక్కువ సంబంధిత పాఠ్యాన్ని నేరుగా చేర్చి, అదనపు సమాచారాన్ని యాక్సెస్ చేయడానికి శోధన వ్యవస్థను ఉపయోగిస్తుంది. నిర్దిష్ట ప్రశ్నలకు సమాధానం ఇవ్వడానికి ఇది బాగా పనిచేస్తుంది. అయితే, చాలా పెద్ద డాక్యుమెంట్లను సంక్షిప్తీకరించడం లేదా బహుళ పెద్ద ఫైల్లను పోల్చడం వంటి సంక్లిష్ట పనుల్లో ఈ విధానం ఇబ్బంది పడవచ్చు. మీ ఫలితాలను మెరుగుపరచడానికి వ్యూహాలను అర్థం చేసుకోవడానికి ముందుకు చదవండి.
రకం ఆధారంగా ఫైల్ల నిర్వహణ
ChatGPT Enterprise ఫైల్లను మూడు ప్రధాన విధాలుగా ప్రాసెస్ చేస్తుంది: పాఠ్య సంగ్రహణ, కోడ్ విశ్లేషణ, మరియు చిత్ర అర్థవ్యాఖ్యానం. ChatGPT Enterprise ఏ వర్క్ఫ్లోను అనుసరిస్తుందో ఫైల్ రకం నిర్ణయిస్తుంది.
| పాఠ్య-ఆధారిత రిట్రీవల్ | కోడ్ ఇంటర్ప్రెటర్ | ఇమేజ్ ప్రాసెసింగ్ | విజువల్ రిట్రీవల్ | |
|---|---|---|---|---|
| ఫైల్ రకం ఉదాహరణలు | pptx, docx, txt, md, json, xml, pdf* * PDFలు GPT జ్ఞానం లేదా ప్రాజెక్ట్ ఫైల్లు గా అప్లోడ్ చేయబడినవి | csv, xls, xlsx* *గమనిక: కోడ్ ఇంటర్ప్రెటర్ ఏ ఫైల్ రకంపైనైనా పనిచేయగలదు, కానీ స్ప్రెడ్షీట్ల కోసం ChatGPT Enterprise సాధారణంగా ఎక్కువగా CIకి డిఫాల్ట్ అవుతుంది | jpg, png | pdf* * యూజర్ ప్రాంప్ట్లలో చేర్చిన PDFలు |
| ప్రవర్తన | ఫైల్ నుండి పాఠ్యాన్ని సంగ్రహిస్తుంది – కొంత పాఠ్యం కాంటెక్స్ట్ విండోలోకి నేరుగా అతికించబడుతుంది (“నింపబడుతుంది”); కొంత పాఠ్యం శోధన కోసం నిల్వ చేయబడుతుంది | కోడ్ ఇంటర్ప్రెటర్ ప్రాసెసింగ్ కోసం ఫైల్ను Pythonకు పంపుతుంది | చిత్రాలు మల్టీ-మోడల్ మోడల్ల ద్వారా స్థానికంగా అర్థం చేసుకోబడతాయి, ఇవి తెలిసిన పరిమితులు కు లోబడి ఉంటాయి. | పాఠ్య రిట్రీవల్ మరియు ఇమేజ్ ప్రాసెసింగ్ యొక్క హైబ్రిడ్. పాఠ్యం డిజిటల్గా సంగ్రహించబడుతుంది, మరియు విజువల్ కంటెంట్ మల్టీ-మోడల్ మోడల్ల ద్వారా స్థానికంగా అర్థం చేసుకోబడుతుంది. |
కేవలం పాఠ్యం ఉన్న ఫైల్లు, ఇమేజ్ ఫైల్లు, లేదా స్పష్టంగా నిర్మితమైన డేటా ఫైల్ల కోసం (ఉదా., లావాదేవీల Excel పట్టిక), ఈ విభాగాలు సాధ్యమైన ఉత్తమ ప్రవర్తనను సూచిస్తాయి.
తక్కువ స్పష్టంగా ఉండే కొన్ని అస్పష్ట ప్రాంతాలు ఉన్నాయి, ఉదాహరణకు:
PDFలు కాకుండా ఇతర ఫైల్లలో ఎంబెడ్ చేసిన చిత్రాలు ప్రాసెస్ చేయబడవు. వాటిని చేర్చడానికి, అప్లోడ్ చేయడానికి ముందు ఫైల్ను PDFగా మార్చండి.
డాక్యుమెంట్లో పెద్ద మొత్తంలో పాఠ్యం ఉన్నప్పటికీ, స్ప్రెడ్షీట్లతో ఇంటరాక్ట్ చేయడానికి ChatGPT Enterprise ఎల్లప్పుడూ కోడ్ ఇంటర్ప్రెటర్ను ఉపయోగిస్తుంది. ఉదాహరణకు, 10 వరుసల పాఠ్యం ఉన్న CSV ఫైల్ను అనువదించమని మీరు ChatGPT Enterpriseను అడిగితే, అది Python లైబ్రరీని ఉపయోగించి ఫైల్ను అనువదించడానికి ప్రయత్నిస్తుంది; ఇది మోడల్ నేరుగా అనువాదాన్ని రూపొందించడానికి అనుమతించడానికంటే తక్కువ ఖచ్చితంగా ఉంటుంది. దీనిని తగ్గించడానికి, స్ప్రెడ్షీట్ను పాఠ్య-ఆధారిత ఫార్మాట్కు (ఉదాహరణకు PDF) ఎగుమతి చేయడానికి ప్రయత్నించండి.
అదే విధంగా, నిర్మితమైన లావాదేవీ పట్టిక ఉన్న JSON ఫైల్ను మీరు అప్లోడ్ చేస్తే, ChatGPT Enterprise ఈ ఫైల్ను సాధారణ పాఠ్యంగా అర్థం చేసుకుంటుంది. JSON ఫైల్లో ఉన్న 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 మోడల్లు
ప్రతి ప్రాంప్ట్కు ఒకే శోధన: GPT-సిరీస్ మోడల్లు ప్రతి యూజర్ ప్రాంప్ట్కు ఒక శోధనను నిర్వహిస్తాయి.
సమర్థవంతమైన వినియోగ సందర్భాలు: విస్తృతమైన డాక్యుమెంటేషన్లో ఉన్న నేరుగా అర్థమయ్యే ప్రశ్నలకు సమాధానం ఇవ్వడానికి అనుకూలం.
ఉదాహరణ ప్రశ్నలు:
“ముందస్తు పదవీ విరమణకు సంబంధించిన HR విధానం ఏమిటి?”
“
process_orderఫంక్షన్ ఏమి చేస్తుంది?”
o-సిరీస్ మోడల్లు
ప్రతి ప్రాంప్ట్కు బహుళ శోధనలు: ప్రతి యూజర్ ప్రాంప్ట్కు బహుళ శోధనలను (సాధారణంగా 2-3) అమలు చేయగలదు, ప్రతి దానికీ ప్రత్యేకమైన శోధన పదబంధం ఉంటుంది. శోధనలు క్రమంగా అమలు చేయబడతాయి, అలాగే మునుపటి శోధనల్లో పొందిన సమాచారం ఆధారంగా మోడల్ తన విధానాన్ని నవీకరించగలదు.
సమర్థవంతమైన వినియోగ సందర్భాలు: విస్తృతమైన డాక్యుమెంటేషన్లో అనేక లక్ష్యిత శోధనలు అవసరమయ్యే సంక్లిష్ట ప్రశ్నలకు మరింత అనుకూలం.
ఉదాహరణ ప్రశ్నలు:
“ముందస్తు పదవీ విరమణ, తల్లిదండ్రుల సెలవు, విదేశీ బదిలీ కోసం HR విధానాలు ఏమిటి?”
“
process_orderఫంక్షన్ ఏమి చేస్తుందో వివరించండి, ఈ ఫంక్షన్ పిలిచే అన్ని మెథడ్లను జాబితా చేసి, పిలిచిన ప్రతి మెథడ్ను సంక్షిప్తంగా వివరించండి.”
వాటి బలాలు ఉన్నప్పటికీ, ఒక ప్రశ్నకు మూడు కంటే ఎక్కువ శోధనలు అవసరమైనప్పుడు o-సిరీస్ మోడల్లు 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.