# Gerando dados LLMs têm fortes capacidades para gerar texto coerente. O uso de estratégias de prompt eficazes pode orientar o modelo para produzir respostas melhores, consistentes e mais factuais. Os LLMs também podem ser especialmente úteis para gerar dados que são realmente úteis para executar todos os tipos de experimentos e avaliações. Por exemplo, podemos usá-lo para gerar amostras rápidas para um classificador de sentimento da seguinte forma: *Incitar:* ``` Produza 10 exemplares para análise de sentimento. Os exemplos são categorizados como positivos ou negativos. Produza 2 exemplos negativos e 8 exemplos positivos. Use este formato para os exemplos: P: A: ``` *Saída:* ``` Q: Acabei de receber a melhor notícia de todas! A: positivo Q: Acabamos de receber um aumento no trabalho! A: positivo Q: Estou muito orgulhoso do que realizei hoje. A: positivo Q: Estou tendo o melhor dia de todos! A: positivo Q: Estou realmente ansioso pelo fim de semana. A: positivo Q: Acabei de receber o melhor presente de todos! A: positivo Q: Estou tão feliz agora. A: positivo Q: Sou tão abençoado por ter uma família tão incrível. A: positivo Q: O tempo lá fora está tão sombrio. A: negativo Q: Acabei de receber uma notícia terrível. A: negativo ``` Isso é muito útil. Na verdade, usamos este exemplo para um teste diferente em outra seção dos guias.