LB-10 Eval Lab
Měří prompty všech ostatních systémů, takže každá změna promptu vychází se skóre.
LB-10
Eval Lab Vývojová deska
Živě
Eval Lab měří prompty, na kterých stojí ostatní systémy. Vyberte jeden, upravte ho a spusťte svou verzi i tu produkční na stejných deseti případech ze zlaté sady daného systému, u jednoho nebo dvou bezplatných poskytovatelů. Zpráva porovná, kolik případů každý prompt zvládl a jak jistě to deset případů ukáže, dále latenci, tokeny a volání, a otevře každý případ, který se změnil.
Běh návštěvníka hodnotí pravidla, nikdy model: každá odpověď se posuzuje tak, jak byla napsána, a nikdy se neopravuje. Výsledky produkčního promptu se ukládají do mezipaměti pro všechny, takže většina běhů udělá asi deset volání na poskytovatele.
Začněte připravenou úpravou
Úprava
Přidává tento řádek
- Keep the whole reply under 80 words.za tento
- If the sources don't answer the ticket, set "answerable" to false and leave "sentences" empty: a person will take over.Běží uGroq
Běh naživo spotřebuje váš jediný dnešní běh.
1. Měřený prompt
Scope
Spusťte běh a jeho záznam se tu bude plnit krok za krokem.