# Generación de Datos Los LLM tienen fuertes capacidades para generar texto coherente. El uso de estrategias de prompt efectivas puede dirigir al modelo a producir respuestas mejores, consistentes y más factuales. Los LLM también pueden ser especialmente útiles para generar datos, lo cual es realmente útil para realizar todo tipo de experimentos y evaluaciones. Por ejemplo, podemos usarlo para generar muestras rápidas para un clasificador de sentimientos así: *Prompt:* ``` Produce 10 ejemplos para análisis de sentimientos. Los ejemplos se categorizan como positivos o negativos. Produce 2 ejemplos negativos y 8 ejemplos positivos. Usa este formato para los ejemplos: Q: A: ``` *Salida* ``` Q: ¡Acabo de recibir las mejores noticias! A: Positivo Q: ¡Acabamos de recibir un aumento en el trabajo! A: Positivo Q: Estoy muy orgulloso de lo que logré hoy. A: Positivo Q: ¡Estoy teniendo el mejor día de mi vida! A: Positivo Q: Realmente estoy deseando el fin de semana. A: Positivo Q: ¡Acabo de recibir el mejor regalo de mi vida! A: Positivo Q: Estoy tan feliz en este momento. A: Positivo Q: Me siento tan afortunado de tener una familia increíble. A: Positivo Q: El clima afuera está tan triste. A: Negativo Q: Acabo de recibir algunas noticias terribles. A: Negativo ``` Esto es muy útil. De hecho, usamos este ejemplo para una prueba diferente en otra sección de las guías.