Для глубоких исследований
Длинные источники, вопросы и результаты — в одном рабочем пространстве с проверкой по оригиналу.
Вычисления Transformer: почему два исследования расходятся?
Источники
Источников: 3Слои внимания и рекуррентные слои
Это приложение написано для демонстрации. Для грубой оценки в нём используется сравнение сложности одного слоя из статьи «Attention Is All You Need».
Вычисления слоя внимания растут как длина² × размерность, а рекуррентного — как длина × размерность². В обоих исследованиях размерность модели — 512. Рисунок 2 показывает эту оценку для обоих типов слоёв в зависимости от длины входа и отмечает длину входа в каждом исследовании.
- Слой внимания
- Рекуррентный слой
Это оценка порядка величины. Она не учитывает постоянные множители и остальные части модели, например полносвязные слои, поэтому не воспроизводит измеренное отношение ни одного исследования.
Текущий источник: Приложение с расчётом затрат внимания (пример).pdf · Страница 2 · Рисунок 2
Задавайте вопросы источникам
Предпросмотр результата
После вопроса выводы можно оформить в отчёт.
Превращайте прочитанное в собственные выводы.
Соберите все документы проекта вместе. Проясняйте мысли через вопросы, сравнения и проверку фактов. Оформляйте понимание в отчёт, чтобы обсуждения и исследования опирались на доказательства и приводили к конкретным результатам.
Добавьте свои источники
- Научные статьи и отраслевые отчётыPDF
- Интервью и встречиMP3
- Черновики и исследовательские заметкиWord · DOCX
- Данные и таблицыExcel · XLSX
Задавайте вопросы. Вместе мы изучаем, сравниваем и проверяем факты, чтобы лучше понимать материал.
Развивайте свою работу
- Документы WordDOCX
- Документы PDFPDF
- Презентации PPTPPTX
- Файлы кодаHTML · Python
Ваша следующая работа —с источников, которые уже под рукой.
Несколько отчётов. Одна запись. Предстоящее решение.
Связывайте факты. Подкрепляйте каждое суждение источником.
PDFИсследование пешеходного потока района.pdf01
«Прогноз числа посетителей основан на условиях после открытия железнодорожной линии».
Страница 18 · Допущения прогноза
MP3Обсуждение проекта.mp302
«Первую очередь планируют открыть в следующем году, но транспортное сообщение может быть ещё не готово».
Фрагмент встречи · 12:48
Исследовательский отчёт
Черновик · Требует проверкиОбновление торговой улицы · Оценка осуществимости
Частые вопросы
Что такое DeepShelf?
DeepShelf — облачное рабочее пространство для глубоких исследований и обучения. Добавляйте длинные источники — статьи, отчёты, записи, черновики и таблицы — в один проект, задавайте ИИ вопросы, сравнивайте источники и уточняйте детали. Превращайте выводы в отчёты, которые можно скачать. Ссылки в ответах одним нажатием возвращают к первоисточнику для проверки. Помимо DeepShelf 1.0 поддерживаются GPT, Claude, DeepSeek, Kimi и другие модели. Доступные модели зависят от тарифа.
Модели на каждом тарифеЧем DeepShelf отличается от инструментов вроде ChatGPT? Зачем сначала загружать файлы?
Инструменты вроде ChatGPT тоже умеют читать отправленные файлы. Разница в том, что происходит после загрузки. DeepShelf предварительно читает каждый источник и делает заметки — этот процесс называется обработкой. У него три преимущества:
- Последующие ответы прежде всего опираются на ваши источники и становятся точнее.
- Источники хранятся вместе в одном проекте: начиная новый чат, не нужно отправлять их заново.
- Каждую ссылку в ответе можно открыть для проверки оригинала: PDF откроется на нужном фрагменте с исходной вёрсткой, запись — на нужной отметке времени и расшифровке, а Word, TXT и EPUB — на извлечённом тексте.
Может ли DeepShelf работать сразу с несколькими длинными книгами или множеством отчётов и находить связи между ними?
Да. Соберите их в одном проекте, выберите источники для текущего вопроса и спросите, в чём они согласуются, противоречат друг другу и как связаны. Мы проверили это на нескольких полных книгах одновременно, включая вопросы по разным книгам, и результаты значительно превзошли аналогичные продукты. И это ещё не предел масштаба. Реальные ограничения определяются тарифом: числом источников в проекте и размером каждого файла. Сканы и таблицы работают хуже, чем PDF с выделяемым текстом. Открывайте ссылки, чтобы проверять каждую найденную связь.
Какие типы файлов можно загрузить в DeepShelf?
DeepShelf поддерживает PDF, Word (DOCX), обычный текст (TXT), электронные книги (EPUB), изображения (JPG, JPEG, PNG), аудио (WAV, MP3, M4A, OGG), веб-страницы (HTML, HTM), таблицы (CSV, XLSX), PowerPoint (PPTX) и другие форматы. Размер файлов и их число в проекте зависят от тарифа.
Поддерживаемые форматы источниковМожно ли пользоваться DeepShelf бесплатно?
Да. Новые аккаунты получают семидневный пробный период Plus со 100 баллами в общей сложности. После его окончания аккаунт автоматически переходит на Free. Преимущества Plus заканчиваются, но вы можете продолжать пользоваться DeepShelf. Обработка источников, вопросы и создание отчётов расходуют баллы; расход зависит от длины источников и выбранной модели. Файлы, загруженные во время пробного периода или платного тарифа, по-прежнему доступны для вопросов и цитирования на Free. Баланс и историю можно посмотреть в разделе Настройки → Использование.
Сравнить ограничения тарифовБудут ли загруженные в DeepShelf статьи, записи или материалы клиентов использоваться для обучения моделей?
DeepShelf не использует загруженные источники, переписку и созданные результаты для обучения больших языковых моделей.
Мы длительно храним ваши источники, а также процесс генерации и результаты, чтобы вы могли в любое время вернуться к работе. Когда они больше не нужны, вы можете удалить проекты или источники в рабочем пространстве. Мы также сохраняем журналы запросов, необходимые для диагностики ошибок, обеспечения безопасности и предотвращения злоупотреблений.
DeepShelf — облачный сервис. Для обработки файлов и генерации ответов необходимое конкретной задаче содержимое передаётся соответствующим сервисам моделей и обработки. Рекомендуем не загружать конфиденциальные сведения, не относящиеся к текущей задаче.