ChatGPT Enterprise artık prompt’lara eklenen PDF dosyalarındaki görselleri (resimler, grafikler, diyagramlar vb.) okuma ve anlamayı destekliyor. Kullanıcılar bir PDF yüklediğinde ChatGPT, dosyadaki metni ve tüm görsel öğeleri yorumlayabilir.
Ayrıntılar için bkz. PDF’lerde Görsel Bilgi Getirme hakkında SSS.
ChatGPT Enterprise’a birkaç farklı yolla dosya yükleyebilirsiniz:
Doğrudan bilgisayarınızdan
Google Drive / SharePoint / OneDrive üzerinden
GPT Bilgisi olarak
Proje Dosyası olarak
Bir GPT Eylemi üzerinden
Bu kılavuz, ChatGPT Enterprise özelliklerinin dosyaları türüne, sayısına ve boyutuna göre nasıl işlediğini açıklar ve dosya gereksinimlerine göre daha iyi sonuçlar elde etmeye yönelik stratejileri ele alır.
Özet
ChatGPT Enterprise, farklı dosya türlerini çok farklı şekillerde işler: PDF, sunum ve Word dosyaları gibi metin belgelerinden metin çıkarır, elektronik tablolardaki yapılandırılmış verileri Python koduyla analiz eder ve görsel dosyalarını GPT-Vision aracılığıyla betimler. Beklediğiniz sonucu almak için hangi dosya türünün hangi iş akışını tetiklediğini anlamanız önemlidir.
Metin tabanlı belgelerde ChatGPT Enterprise, ilgili metnin mümkün olduğunca büyük bir bölümünü doğrudan prompt’un yanına ekler ve ek bilgilere erişmek için bir arama sistemi kullanır. Bu yöntem, belirli soruları yanıtlarken iyi sonuç verir. Ancak çok büyük belgeleri özetleme veya birden fazla büyük dosyayı karşılaştırma gibi karmaşık görevlerde yetersiz kalabilir. Daha iyi sonuçlar elde etmeye yönelik stratejileri öğrenmek için okumaya devam edin.
Dosyaları türüne göre işleme
ChatGPT Enterprise, dosyaları üç temel yöntemle işler: metin çıkarma, kodla analiz ve görsel yorumlama. ChatGPT Enterprise’ın hangi iş akışını izleyeceğini dosya türü belirler.
| Metin tabanlı bilgi getirme | Kod Çalıştırma Aracı | Görsel işleme | Görsel Bilgi Getirme | |
|---|---|---|---|---|
| Dosya türü örnekleri | pptx, docx, txt, md, json, xml, pdf* * GPT Bilgisi veya Proje Dosyaları olarak yüklenen PDF’ler | csv, xls, xlsx* *Not: Kod Çalıştırma Aracı her tür dosyayla çalışabilir, ancak ChatGPT Enterprise genellikle elektronik tablolar için varsayılan olarak bu aracı kullanır. | jpg, png | pdf* * Kullanıcı prompt’larına eklenen PDF’ler |
| İşleyiş | Dosyadan metni çıkarır. Metnin bir bölümü doğrudan bağlama yapıştırılır (“doldurulur”); bir bölümü ise arama için saklanır. | Kod Çalıştırma Aracı, işlenmesi için dosyayı Python’a aktarır. | Görseller, bilinen sınırlamalar çerçevesinde çok modlu modeller tarafından doğrudan yorumlanır. | Metinden bilgi getirme ve görsel işlemenin birleşimidir. Metin dijital olarak çıkarılır, görsel içerik ise çok modlu modeller tarafından doğrudan yorumlanır. |
Yalnızca metin içeren dosyalar, görsel dosyaları veya açıkça yapılandırılmış veri dosyaları (örneğin işlemleri içeren bir Excel tablosu) için bu ayrım, mümkün olan en iyi işleyişi sağlar.
Ancak dosyanın nasıl işleneceğinin bu kadar net olmadığı bazı durumlar da vardır. Örneğin:
PDF dışındaki dosyalara gömülü görseller işlenmez. Bu görsellerin de işlenmesi için dosyayı yüklemeden önce PDF’ye dönüştürün.
ChatGPT Enterprise, belge çok fazla metin içerse bile elektronik tablolarla çalışmak için her zaman Kod Çalıştırma Aracı’nı kullanır. Örneğin ChatGPT Enterprise’dan 10 satır metin içeren bir CSV dosyasını çevirmesini isterseniz dosyayı bir Python kütüphanesi kullanarak çevirmeye çalışır. Bu yöntem, modelin doğrudan çeviri üretmesine kıyasla daha düşük doğruluk sağlar. Bu sorunu azaltmak için elektronik tabloyu metin tabanlı bir biçimde (örneğin PDF olarak) dışa aktarmayı deneyin.
Benzer şekilde, işlem verilerinden oluşan yapılandırılmış bir tabloyu JSON dosyası olarak yüklerseniz ChatGPT Enterprise bu dosyayı düz metin olarak yorumlar. Bir JSON dosyasındaki verileri analiz etmek istiyorsanız prompt’unuzda modele Kod Çalıştırma Aracı’nı kullanmasını söyleyin.
Dosyaları boyuta göre işleme
ChatGPT Enterprise, en fazla 128 bin tokenlık bağlam kapasitesine sahip modeller kullanır (yaklaşık 200 sayfa metin). Ancak yüklenen dosyalardaki metni dahil etmek için tokenların tamamı kullanılmaz. “Doldurulan” token sayısı kullanım türüne göre değişir.
ChatGPT Enterprise metnin bir kısmını “doldurur”; kalan metin ise özel bir arama dizinine (“vektör deposu”; büyük miktarda metni verimli biçimde depolamak ve almak için tasarlanmış bir veritabanı türü) gönderilir. Bir soru sorduğunuzda ChatGPT Enterprise, özel arama dizininden alınan ilgili parçalarla birlikte dahil edilmiş metni de getirir.
Tek bir belge yüklerseniz ChatGPT Enterprise, sınıra ulaşana kadar başlangıçtan itibaren metni dahil eder. Birden çok belge yüklerseniz ChatGPT Enterprise, her belgenin bir kısmını veya tamamını dahil eder. Belgelerdeki tüm metin ayrıca özel bir arama dizinine gönderilir.
Metin belgeleri için bağlam doldurma
Bu özellik aktif olarak geliştirilmektedir. Bu nedenle aşağıdaki ayrıntılar önceden haber verilmeksizin değiştirilebilir.
ChatGPT Enterprise, yüklenen belgelerden 110 bin token’a kadar içeriği bağlam kapasitesi dahilinde işleyebilir. Toplamda 110 bin token’dan az içerik barındıran bir veya daha fazla belge yüklerseniz içeriğin tamamı bağlama dahil edilir.
Tek bir belge 110 bin token’ı aşıyorsa belgenin başından itibaren yalnızca ilk 110 bin token dahil edilir. Kalan içerik yalnızca özel arama dizinine gönderilir.
Birden fazla belge yüklendiğinde toplam içerik 110 bin token’ı aşarsa ChatGPT Enterprise, belgelerin bağlamda dengeli biçimde temsil edilmesi için şu süreci izler:
Yüklenen belgeler arasında eşit olarak paylaştırılan toplam 55 bin token’a kadar içerik çıkarır.
Kalan 55 bin token’lık kapasiteyi, ilk adımda tamamı dahil edilmeyen belgelere, her belgede kalan token sayısıyla orantılı olarak dağıtır.
Geriye kalan tüm token’lar yalnızca özel arama dizinine gönderilir.
Bir metin belgesinin içeriğini OpenAI Tokenizer aracına kopyalayarak yaklaşık token sayısını öğrenebilirsiniz.
Multimedya PDF’lerinde bağlama içerik ekleme
Kullanıcılar hem metin hem de görsel içeren PDF’ler yüklediğinde Görsel Bilgi Getirme, ChatGPT’nin bu görselleri dijital olarak çıkarılan metinle birlikte doğrudan işlemesini sağlar. Multimedya PDF’lerinde, standart bağlam işleme prosedürlerimize ek olarak şu adımlar uygulanır:
Görselleri Çıkarma ve Gömme: Görseller çıkarılır ve ilişkili dijital metinle birlikte gömülür.
Akıllı Ölçeklendirme: Görseller, bilgi kalitesi ile mevcut bağlam kapasitesinin verimli kullanımı arasında denge sağlamak için otomatik olarak ölçeklendirilir.
Yüklenen PDF’ler 110 bin token sınırını aştığında hem görseller hem de metin özel arama dizinine gömülür. Metin gömmeleri ilgili görsellere referans verir. Böylece ChatGPT, kullanıcı sorgularına göre uygun metin-görsel çiftlerini getirebilir. Getirilen görseller daha sonra ChatGPT’nin yerleşik çok modlu yetenekleriyle işlenir.
Multimedya PDF’leri için gereken token sayısını doğru tahmin etmek zordur. Testler, metin ve görsellerin bir arada bulunduğu yaklaşık 350 sayfanın, 110 bin token’lık bağlam kapasitesini tamamen dolduracağını gösteriyor.
Model türüne dayalı arama stratejileri
Hem GPT serisi hem de o serisi modeller dosya yüklemelerini destekler ve aynı bağlam doldurma ile arama gömme mantığını kullanır. Tüm modeller, anahtar kelime ve anlamsal yöntemleri birleştirerek özel bir arama dizininde hibrit aramalar yürütür. Hibrit aramada model, kullanıcının komutuna göre bir arama ifadesi oluşturur ve özel arama dizini buna uygun ilgili metinleri ve görselleri getirir.
Ancak bu modeller, bağlam kapasitesini aşan büyük belgelerde arama yapma biçimleri bakımından farklılık gösterir:
GPT serisi modeller
Prompt başına tek arama: GPT serisi modeller, her kullanıcı promptu için bir arama yapar.
Etkili kullanım alanları: Kapsamlı belgelerde yer alan basit soruları yanıtlamak için idealdir.
Örnek sorgular:
"Erken emeklilikle ilgili insan kaynakları politikası nedir?"
"process_order fonksiyonu ne yapar?"
o serisi modeller
Prompt başına birden çok arama: Her kullanıcı promptu için, her biri benzersiz bir arama ifadesi kullanan birden çok arama (genellikle 2-3) yapabilir. Aramalar sırayla gerçekleştirilir ve model, önceki aramalarda elde edilen bilgilere göre yaklaşımını güncelleyebilir.
Etkili kullanım alanları: Kapsamlı belgelerde birden çok hedefli arama gerektiren karmaşık sorular için daha uygundur.
Örnek sorgular:
"Erken emeklilik, ebeveyn izni ve yurt dışına tayinle ilgili insan kaynakları politikaları nelerdir?"
"process_order fonksiyonunun ne yaptığını açıklayın, bu fonksiyonun çağırdığı tüm metotları listeleyin ve her birini kısaca açıklayın."
Güçlü yönlerine rağmen o serisi modeller, bir sorgu üçten fazla arama gerektirdiğinde zorlanabilir.
Dosya arama sonuçlarını iyileştirmeye yönelik ipuçları
Birden çok arama gerektiren karmaşık sorular için o serisi bir model kullanmayı deneyin.
Yanıtların, yüklediğiniz belgelerin türüne, sayısına ve boyutuna bağlı olarak değişebileceğini unutmayın.
Genel olarak, daha az sayıda ve odaklanmış belge yüklemek daha yüksek doğruluk sağlar.
Birden çok soru içeren konuları tekil sorulara dönüştürün:
Her eyaletin İK politikalarını bilmeniz gerekiyorsa, bunları tek tek sorun.
Birçok belgeyi özetlemeniz gerekiyorsa, her seferinde bir belge isteyin. Bu belge yüzlerce sayfaysa, onu daha küçük bileşenlere ayırmayı düşünün.
ChatGPT Enterprise’dan, tüm belgeler yerine birden çok özet sağladıysanız bir “özetlerin özetini” yazmasını isteyebilirsiniz.
Bir RFP’nin CSV’si varsa (her satır farklı bir sorudur), CSV’yi yükleyip tek bir yanıt istemek yerine bu soruları tek tek sorun.
Modelin yanıtlarını denetlemenin yollarını bulun. Örnek GPT talimatları aşağıdadır:
# Bağlam
Belgeleri anlama konusunda uzmansınız. Kullanıcı bir belge ekleyecek ve bir soru soracak. Yanıtınızı aldığınız metnin tam olarak hangi bölümüne dayandığınızı görebilmeleri gerekir.
# Talimatlar
1. Kullanıcının sorusunu, eklediği belgeye dayanarak aşağıda verilen tam biçimi kullanarak yanıtlayın
# Biçim
- Soru: { kullanıcının sorusunu tekrarlayın }
- Yanıt: { kullanıcının sorusuna bir yanıt verin }
Kaynak:
- - Bölüm Numarası: { yanıtı aldığınız bölüm numarasını verin }
- - Bölüm Başlığı: { yanıtı aldığınız bölüm başlığını verin }
- - Tam Metin: { yanıtı aldığınız tam metni verin }
# Kurallar
- Açık ve kısa yanıtlar verin
- Yalnızca belgede verilen bilgileri sağlayın
- Belgede yanıtı bulamazsanız, yalnızca "Bilgi bulunamadı." diye yanıtlayın