Prompts com a tag: #LLMs

4.0
5

[InfoSec] Prompt para Identificar minha Exposição a LLMs

Prompt de auditoria de exposição de dados em LLMs para identificar o que pode ter sido exposto por contas gratuitas, validar se a informação está presente ou é apenas alucinação, e fornecer medidas de mitigação.

4.0
11

Pensamento Estruturado Antes da Resposta: Prompt Meta para Prompts Minimalistas em LLMs

Prompt meta que ensina LLMs a adotar pensamento estruturado para reduzir prompts longos, enfatizando clareza, planejamento, opções de resposta e economia de tokens. Útil para melhorar eficiência de prompts com ChatGPT e outros modelos.

4.5
9

Prompt de Contextualização para o Shift da Language Tool

Gera um prompt que analisa o conceito de deslocamento da ferramenta de linguagem e como o contexto orienta a construção de prompts, incluindo a avaliação da ferramenta de IA, rating, dificuldade, destaque, tags e tópico, retornando um JSON estruturado.

4.5
9

Entendendo a amostragem de temperatura em LLMs: por que um token de baixa probabilidade pode vencer

Prompt educativo para explorar como a temperatura e a amostragem de tokens influenciam a seleção de tokens em LLMs, com exemplo prático, diagrama ASCII e perguntas de avaliação.

4.5
11

Auditoria defensiva de prompt injection em LLMs com anexos

Prompt defensivo para auditar e entender prompt injection em LLMs, com foco em anexos, orientado a defesa, testes éticos e governança.

4.5
20

Gibberish: Otimizador Automático de Prompts com Atalho Ctrl+;

Prompt para atuar como otimizador automático de prompts, removendo ruído, encurtando textos e mantendo a intenção, com opções de personalização e aplicação sistêmica.

4.5
19

Evolução de Prompts via Algoritmos Genéticos

Prompt que orienta uma IA a evoluir automaticamente prompts para LLMs usando seleção natural, mutação de prompts e avaliação de fitness com histórico de gerações.

4.5
28

Prompt para Analisar Espaços em JSON e Impacto da Tokenização em LLMs

Prompt que orienta uma IA a entender como whitespace em JSON impacta a tokenização e o custo de tokens em LLMs, com recomendações práticas, diagnósticos e cenários comparativos entre JSON legível e compacto.