Tout d’abord, je n’ai créé aucun de ceux-ci, je ne peux donc que spéculer.
Oui.
Les quelques plugins ChatGPT que j’ai essayés lisent l’intégralité du PDF, mais beaucoup ne lisent que le texte car l’extraction de données à partir d’expressions mathématiques et de graphiques dépasse leurs capacités. Cela est dû au fait qu’un PDF est conçu pour la mise en page et la présentation, et non pour l’extraction de contexte ou la transmission de connaissances en tant que format d’échange de données.
Je ne suis pas sûr de ce que vous entendez par là, mais d’après ce que je comprends, ils intègrent les connaissances dans une base de données vectorielle, puis utilisent le prompt pour extraire les parties pertinentes et composer une réponse.
L’analogie que j’utilise pour expliquer à d’autres comment comprendre le concept est, au lieu de se concentrer sur l’idée d’un PDF, de penser aux idées que les auteurs de l’article essaient de transmettre dans l’article et que vous conversez avec eux.
Si vous pouvez exécuter des plugins avec ChatGPT, alors sur ce site
https://pugin.ai/
recherchez PDF ou paper et essayez-en. Les deux principales différences que je trouve est que beaucoup liront un seul PDF, (https://pugin.ai/p/chatwithpdf) tandis que celui-ci (https://pugin.ai/p/science) sélectionnera les articles pertinents parmi 250 millions d’articles scientifiques.
LangChain a ceci
et il existe des dépôts similaires sur GitHub (ref), YMMV.
Voici un cas d’utilisation spécifique pour une telle technologie pour ceux qui pensent qu’elle serait limitée aux universitaires.
Exploiter les LLM avec de vastes ensembles de données et guides mécaniques