آیا مدل می‌تواند تصاویر را ببیند؟ چگونه تأیید کنیم؟
تمایز بین پیوست‌های تصویر، پیش‌نمایش‌ها و قابلیت‌های پردازش تصویر مدل.
ابتدا منبع تصویر را تأیید کنید
تصاویر می‌توانند به عنوان مواد وظیفه ارائه شوند یا ممکن است توسط Agent از محیط تولید یا خوانده شوند. قابلیت پیش‌نمایش تصویر در رابط کاربری با موفقیت مدل در تحلیل تصویر متفاوت است؛ ابزارها ممکن است فرمت‌ها، اندازه‌ها، یا قابلیت‌های پشتیبانی نشده را گزارش دهند.
فقط به این دلیل که مدل نام فایل را تکرار می‌کند، فرض نکنید که جزئیات تصویر را دیده است.
سوال را به اندازه کافی مشخص کنید
تصاویر واضح ارائه دهید و ناحیه یا پدیده‌ای را که می‌خواهید بررسی کنید مشخص کنید. به عنوان مثال، وضعیت دکمه‌ها را در دو رابط کاربری مقایسه کنید یا بخش خطای خاصی را در یک اسکرین شات بخوانید.
هنگام بررسی اسکرین شات‌های رابط کاربری، می‌توانید ابتدا از مدل بخواهید متن و وضعیت فعلی هر دکمه را توصیف کند، سپس دلایل آن را جویا شوید. برای هشدارهای امنیتی یا مبالغ مهم، بهتر است متن اصلی را نیز در قالبی قابل کپی ارائه دهید؛ حدس‌های مبتنی بر تصویر و متن دقیق باید در پاسخ به وضوح مشخص شوند.
- تأیید کنید که بارگذاری پیوست کامل شده است یا مسیر تصویر واقعاً وجود دارد.
- ابتدا درخواست توصیف حقایق کلیدی قابل مشاهده را بدهید، سپس توضیح را بخواهید.
- متن نامشخص را با متن اصلی تکمیل کنید تا از اتکا به حدس و گمان برای تشخیص جلوگیری شود.
چگونه در صورت عدم خوانده شدن تصویر اقدام کنیم؟
اگر با پیامی مبنی بر اینکه مدل فعلی از نتیجه تصویر مربوطه پشتیبانی نمی‌کند مواجه شدید، از گزینه‌های پشتیبانی موجود در رابط کاربری استفاده کنید یا مواد متنی را برای ادامه ارائه دهید. تصاویر بیش از حد بزرگ را می‌توان به نواحی مرتبط برش داد؛ PDFها و SVGها نباید به عنوان بیت‌مپ‌های معمولی در نظر گرفته شوند. متن کوچک، انسداد، و چیدمان در تصاویر ممکن است بر قضاوت تأثیر بگذارد؛ اعداد کلیدی، مسیرها، و کدهای خطا باید در برابر تصویر اصلی تأیید شوند.