# Генерация данных
LLM-модели обладают сильными возможностями по генерации связного текста. Использование эффективных стратегий подсказок позволяет направить модель на создание более качественных, последовательных и фактически точных ответов. LLM также могут быть особенно полезны для генерации данных, которые действительно полезны для проведения различных экспериментов и оценок. Например, мы можем использовать их для генерации быстрых образцов для классификатора настроений следующим образом:

*Промпт:*
```
Produce 10 exemplars for sentiment analysis. Examples are categorized as either positive or negative. Produce 2 negative examples and 8 positive examples. Use this format for the examples:
Q: <sentence>
A: <sentiment>
```

*Результат:*

Q: I just got the best news ever!
A: Positive

Q: We just got a raise at work!
A: Positive

Q: I'm so proud of what I accomplished today.
A: Positive

Q: I'm having the best day ever!
A: Positive

Q: I'm really looking forward to the weekend.
A: Positive

Q: I just got the best present ever!
A: Positive

Q: I'm so happy right now.
A: Positive

Q: I'm so blessed to have such an amazing family.
A: Positive

Q: The weather outside is so gloomy.
A: Negative

Q: I just got some terrible news.
A: Negative
```

Это очень полезно. Фактически, мы используем этот пример для другого теста в другом разделе руководства.