DeepShelf

Feito para pesquisas aprofundadas

Fontes extensas, perguntas e resultados — tudo em um espaço de trabalho onde você pode conferir o original.

DeepShelf

Custo computacional de Transformers: por que dois estudos discordam?

Fontes

3 fontes

Camadas de atenção versus recorrentes

Este apêndice usa a comparação de complexidade por camada do artigo “Attention Is All You Need” para fazer uma estimativa aproximada. Ele foi escrito para esta demonstração.

O cálculo de uma camada de atenção cresce com comprimento² × dimensão, e o de uma camada recorrente com comprimento × dimensão². Ambos os estudos usam dimensão de modelo 512. A figura 2 traça essa estimativa para os dois tipos de camada conforme o comprimento da entrada e marca o comprimento de entrada de cada estudo.

  • Camada de atenção
  • Camada recorrente
Figura 2. Cálculo por camada versus comprimento de entrada (dimensão do modelo 512)

Esta é uma estimativa de ordem de grandeza. Ela ignora fatores constantes e o restante do modelo, como as camadas feed-forward, então não reproduz a razão medida em nenhum dos estudos.

Apêndice de cálculo de atenção (exemplo).pdf · Página 2 · Figura 2

Fonte atual: Apêndice de cálculo de atenção (exemplo).pdf · Página 2 · Figura 2

Pergunte às suas fontes

Prévia do resultado

Depois de perguntar, as descobertas podem ser transformadas em um relatório.

Conteúdo fictício apenas para ilustração. Para o uso atual, consulte a documentação e a interface mais recente do produto.

Transforme suas leituras em uma perspectiva própria.

Reúna todos os documentos do seu projeto. Esclareça suas ideias com perguntas, comparações e verificações. Transforme sua compreensão em um relatório, para que discussões e pesquisas se apoiem em evidências e levem a resultados concretos.

Traga suas fontes

  • Artigos e relatórios setoriaisPDF
  • Entrevistas e reuniõesMP3
  • Rascunhos e notas de pesquisaWord · DOCX
  • Dados e planilhasExcel · XLSX

Ver tipos de fontes aceitos

Traga suas perguntas. Juntos, exploramos, comparamos e conferimos as evidências para construir conhecimento.

Leve seu trabalho adiante

  • Documentos do WordDOCX
  • Documentos PDFPDF
  • Apresentações PPTPPTX
  • Arquivos de códigoHTML · Python

Ver formatos de saída e download

Seu próximo trabalho,a partir das fontes à mão.

Alguns relatórios. Uma gravação. Uma decisão pela frente.

Conecte as evidências. Dê uma fonte a cada avaliação.

PDFEstudos de caso de renovação de rua comercial.pdf
PDFPlano de infraestrutura de transporte.pdf

PDFEstudo de fluxo de pedestres da área.pdf01

“A projeção de visitantes pressupõe condições após a abertura da linha ferroviária.”

Página 18 · Premissas da projeção

MP3Discussão do projeto.mp302

“A primeira fase deve reabrir no próximo ano, mas as conexões de transporte podem não estar prontas.”

Trecho da reunião · 12:48

Relatório de pesquisa

Rascunho · A verificar

Renovação da rua comercial · Análise de viabilidade

Exemplo fictício apenas para demonstrar os recursos.

Perguntas frequentes

O que é o DeepShelf?

O DeepShelf é um espaço de trabalho na nuvem criado para pesquisa e aprendizado aprofundados. Reúna fontes extensas, como artigos, relatórios, gravações, rascunhos e planilhas em um projeto, depois faça perguntas à IA, compare fontes e aprofunde a discussão. Transforme suas descobertas em relatórios para download. As citações nas respostas levam à fonte original com um clique, permitindo conferi-las. Além do DeepShelf 1.0, há suporte a GPT, Claude, DeepSeek, Kimi e outros modelos. Os modelos disponíveis dependem do seu plano.

Ver modelos de cada plano
Como o DeepShelf se diferencia de ferramentas como o ChatGPT? Por que enviar arquivos primeiro?

Ferramentas como o ChatGPT também podem ler os arquivos que você envia. A diferença está no que acontece depois do envio. O DeepShelf faz uma primeira leitura de cada fonte e toma suas próprias notas, em um processo chamado análise. Isso traz três benefícios:

  1. As respostas seguintes se baseiam primeiro nas suas fontes e são mais precisas.
  2. Suas fontes ficam reunidas em um projeto, então não é preciso enviá-las novamente ao iniciar uma nova conversa.
  3. Cada citação de uma resposta pode ser aberta para conferir o original: um PDF abre no trecho com o layout original, uma gravação vai para o instante e a transcrição correspondentes, e arquivos Word, TXT e EPUB abrem no texto analisado.
Comparar Gemini Notebook, ChatGPT e outros produtos em detalhes
O DeepShelf consegue trabalhar com vários livros longos ou uma pilha de relatórios de uma vez e encontrar relações entre eles?

Sim. Coloque-os em um projeto, selecione as fontes desejadas para a pergunta e pergunte onde concordam, onde entram em conflito e como se relacionam. Testamos isso com vários livros completos de uma vez, incluindo perguntas que abrangem mais de um livro, e os resultados superaram bastante os de produtos semelhantes. Essa escala também não é o limite máximo. Os limites reais vêm do seu plano: quantas fontes um projeto pode conter e o tamanho de cada arquivo. Digitalizações e planilhas não funcionam tão bem quanto PDFs com texto selecionável. Abra as citações para confirmar cada relação apontada.

Que tipos de arquivo posso enviar ao DeepShelf?

O DeepShelf aceita PDF, Word (DOCX), texto simples (TXT), ebooks (EPUB), imagens (JPG, JPEG, PNG), áudio (WAV, MP3, M4A, OGG), páginas da web (HTML, HTM), planilhas (CSV, XLSX), PowerPoint (PPTX) e outros formatos. O tamanho e a quantidade de arquivos por projeto variam conforme o plano.

Ver formatos de fontes aceitos
Posso usar o DeepShelf gratuitamente?

Sim. Novas contas recebem sete dias de teste do Plus com 100 créditos no total. Ao final, sua conta passa automaticamente para o Free. Os benefícios do Plus terminam, mas você pode continuar usando o DeepShelf. Analisar fontes, fazer perguntas e criar relatórios consome créditos, e a quantidade depende do tamanho das fontes e do modelo escolhido. Os arquivos enviados durante o teste ou um plano pago ainda podem ser consultados e citados no Free. Confira seu saldo e histórico em Configurações → Uso.

Comparar limites dos planos
Os artigos, gravações ou materiais de clientes que eu enviar ao DeepShelf serão usados para treinar modelos?

O DeepShelf não usa suas fontes enviadas, conversas ou resultados gerados para treinar grandes modelos de linguagem.

Mantemos suas fontes, o processo de geração e os resultados por longo prazo para que você possa revisitá-los e continuar trabalhando a qualquer momento. Quando não precisar mais deles, você pode excluir projetos ou fontes no espaço de trabalho. Também mantemos os registros de solicitações necessários para diagnosticar falhas, manter a segurança e evitar abusos.

O DeepShelf é um serviço na nuvem. Para analisar arquivos e gerar respostas, o conteúdo necessário para cada tarefa é enviado aos serviços de modelos e análise correspondentes. Recomendamos não enviar informações sensíveis que não tenham relação com a tarefa atual.