prompts royale

Fordert Royale auf

Schnelltechnik ist ein extrem iterativer Prozess. Selbst wenn wir es schaffen, sich auf eine Eingabeaufforderung zu beruhigen, ist es so schwierig, sie an Testfällen und anderen möglichen Aufforderungen zu testen, um sicherzustellen, dass wir dem Modell die besten Anweisungen geben.

Die Eingabeaufforderungen Royale sind eine Anwendung, mit der Sie problemlos viele schnelle Kandidaten erstellen, Ihre eigenen schreiben und sie kämpfen können, bis ein klarer Gewinner auftaucht. Es macht den Prozess der Iteration auf einer schnellen Einstellung viel einfacher und zuverlässiger.

Sie geben eine Beschreibung dessen, was Sie erreichen möchten, geben ihm ein paar Szenarien und erwartete Ausgänge und lehnen Sie sich dann einfach zurück und beobachten, wie sie um #1 kämpfen.

prompts.royale.mp4

Was es kann

• Automatische Eingabeaufforderung Generierung: Ermöglicht die Erstellung von schnellen Kandidaten aus den Beschreibung und den Testkapazitätsszenarien des Benutzers. Der Benutzer kann auch seinen eigenen eingeben.
• Automatische Testfälle Generierung: Ermöglicht automatisch Testfälle aus der Beschreibung, um die Säfte zum Fließen zu bringen!
• Monte Carlo Matchmaking + Elo -Bewertung: Sie verwendet die Monte -Carlo -Methode für das Matchmaking, um sicherzustellen
• Alles ist anpassbar: Auf der Seite Einstellungen können Sie an jedem einzelnen Parameter der Anwendung basteln
• Lokal und sicher : Alles wird vor Ort gespeichert und Anfragen werden von Ihrem Browser an die LLMS -API gestellt.

Verwendung

Sie können es unter prompletsroyale.com verwenden oder das Repository klonen und lokal ausführen.

Anforderungen:

• Knoten v16+

Klonen Sie das Repository:

git clone [email protected]:meistrari/prompts-royale.git

Installieren Sie die Abhängigkeiten. Wir verwenden Bun, um Abhängigkeiten zu verwalten, es ist großartig.

bun i

Führen Sie den Server aus:

bun run dev

Beispiel

Hier ist ein Beispiel dafür, wie ein Anwendungsfall aussehen würde:

Beschreibung

 Write a prompt that creates a headline for a website.

Beispiel 1

Szenario

Website eines Autohändlers

Erwartete Ausgabe

Finden Sie das Auto Ihrer Träume zum besten Preis

Beispiel 2

Szenario

Website eines SaaS für Datenanalysen

Erwartete Ausgabe

Ihre Daten, Ihre Erkenntnisse, Ihren Weg

Beispiel 3

Szenario

Website für einen Zoo

Erwartete Ausgabe

Tiere der Welt an einem Ort

Mit den Informationen der zu erledigenden Aufgabe und der Testfälle kann der Benutzer schnellkandidatische Kandidaten generieren , die diese berücksichtigen und n Kandidaten ausgeben, die vom System über ein Kampfsystem eingestuft werden.

Der Benutzer kann auch die schnellen Kandidaten selbst schreiben, wenn er eine bestimmte Vorstellung davon hat, was er will. Wenn Sie etwas Spezifisches im Auge haben, ist das Schreiben Ihrer Eingabeaufforderungen immer die beste Option, um dem zu passen, was Sie beabsichtigen.

Klicken Sie hier, um ein Beispiel der generierten Eingabeaufforderungen anzuzeigen

Eingabeaufforderung a

Entwerfen Sie eine überzeugende Überschrift für eine eigenständige Kategorie von Website. Verstehen Sie die Mission der Website, ihr beabsichtigtes Publikum und die Lösungen, die sie bietet. Die Überschrift sollte Aufmerksamkeit erregen, relevant sein und das Kernkonzept der Website in eine prägnante Aussage unterteilen. Nutzen Sie Ihre sprachlichen Kenntnisse, Werbetaktiken und domänenspezifische Kenntnisse, um eine verlockende Überschrift zu schaffen. "

Eingabeaufforderung b

Ihre Richtlinie ist es, eine attraktive Überschrift für eine bestimmte Art von Website zu formulieren. Achten Sie auf die Ziele der Website, seine gezielten Demografie und die von ihnen angebotenen Dienste. Die Überschrift sollte faszinierend, deutsch sein und in der Lage sein, das Hauptangebot der Website in einer kurzen Linie zusammenzufassen. Verwenden Sie Ihr Sprachverständnis, Werbestrategien und branchenspezifische Erkenntnisse, um eine überzeugende Überschrift zu schaffen.

Wie es funktioniert

Jede Eingabeaufforderung wird als Normalverteilung mit einem anfänglichen Mittelwert dargestellt $ mu $ von $ 1000 $ und eine Standardabweichung $ sigma $ von $ 350 $ . Diese Verteilung repräsentiert die ELO -Punktzahl der Eingabeaufforderung.

Wir wiederholen dann den folgenden Zyklus:

Wir verwenden einen Monte -Carlo -Sampler, um Duelle herzustellen, bei denen jedes der 2 ausgewählten Aufforderungen gegenseitig kämpfen. Die Chancen, für das Duell gezogen zu werden .

In jedem Duell beantworten beide Aufforderungen auf jeden der Testfälle und eine separate Eingabeaufforderung bewertet, welche Antwort die beste war. Die ELO -Ergebnisse der Eingabeaufforderungen werden dann gemäß den folgenden Formeln aktualisiert:

acht

$$ mu_ {b} '= mu_ {b} + frac {k} {n} cdot (1 - Score - erwartet _score (b, a)) $$

$$ sigma_ {a} '= sigma_ {a} cdot lr $$

$$ sigma_ {b} '= sigma_ {b} cdot lr $$

Wo:

• $ Lr $ ist die Lernrate. Je niedriger die Lernrate, desto schneller das "Lernen". Durch die Verringerung der Standardabweichung machen Sie die Ergebnisse sinnvoller. Dies bedeutet, dass das System schneller zu einem Gewinner konvergiert wird, aber es bedeutet auch, dass es weniger wahrscheinlich das beste Ergebnis finden wird. Wir empfehlen $ 0,96 $ .

• $ K $ ist die Anzahl der Punkte, auf denen jeder Kampf auf dem Spiel steht.

• $ N $ ist die Anzahl der Testfälle

• $ dfrac {k} {n} $ ist die Anzahl der Punkte, die jede Runde auf dem Spiel hat

  • Wenn zwei Eingabeaufforderungen mit dem gleichen Eingabeaufforderungen $ mu $ Kampf und eine Eingabeaufforderung gewinnt alle Runden, die es gewinnen wird $ dfrac {k} {2} $ Punkte und der andere wird verlieren $ dfrac {k} {2} $ Punkte.

• $ Score $ Ist $ 1 $ Wenn $ A $ gewinnt und $ 0 $ Wenn $ B $ Gewinne,

• $ erwartet _score (a, b) $ ist die erwartete Chance von $ A $ Gewinn gegen $ B $ Angesichts ihrer normalen Verteilungen. Dies wird durch die folgende Formel berechnet: $$ erwartet _score (a, b) = frac {1} {1 + 10^{ frac { mu_ {b} - mu_ {a}} {400}} $$

Der Grund, warum wir die aktualisieren $ sigma $ Von jeder Eingabeaufforderung ist, dass wir nach jeder Übereinstimmung mehr Sicherheit in der Verteilung haben, sodass sie eine geringere Standardabweichung haben sollte.

Credits

Wir haben uns stark von https://github.com/mshumer/gpt-prompt-ingineer inspirieren, danke für Ihre Arbeit!