mirror of
https://github.com/dair-ai/Prompt-Engineering-Guide
synced 2024-11-02 15:40:13 +00:00
47 lines
1.4 KiB
Plaintext
47 lines
1.4 KiB
Plaintext
# Generazione di dati
|
|
|
|
I LLM hanno una forte capacità di generare testi coerenti. L'uso di strategie di prompt efficaci può guidare il modello a produrre risposte migliori, coerenti e più concrete. Gli LLM possono anche essere particolarmente utili per generare dati che sono davvero utili per eseguire tutti i tipi di esperimenti e valutazioni. Ad esempio, possiamo usarli per generare campioni rapidi per un classificatore di sentiment, come questo:
|
|
|
|
*Prompt:*
|
|
```
|
|
Produce 10 esempi per l'analisi del sentiment. Gli esempi sono classificati come positivi o negativi. Produrre 2 esempi negativi e 8 esempi positivi. Utilizzate questo formato per gli esempi:
|
|
D: <sentenza>
|
|
A: <sentimento
|
|
```
|
|
|
|
*Output:*
|
|
```
|
|
D: Ho appena ricevuto la migliore notizia di sempre!
|
|
A: Positiva
|
|
|
|
D: Abbiamo appena ricevuto un aumento al lavoro!
|
|
R: Positivo
|
|
|
|
D: Sono così orgoglioso di ciò che ho realizzato oggi.
|
|
R: Positivo
|
|
|
|
D: Sto vivendo la giornata migliore di sempre!
|
|
R: Positivo
|
|
|
|
D: Non vedo l'ora che arrivi il fine settimana.
|
|
R: Positivo
|
|
|
|
D: Ho appena ricevuto il miglior regalo di sempre!
|
|
R: Positivo
|
|
|
|
D: Sono così felice in questo momento.
|
|
R: Positivo
|
|
|
|
D: Sono così fortunata ad avere una famiglia così fantastica.
|
|
R: Positivo
|
|
|
|
D: Il tempo fuori è così cupo.
|
|
R: Negativo
|
|
|
|
D: Ho appena ricevuto una notizia terribile.
|
|
R: Negativa
|
|
```
|
|
|
|
Tutto questo è molto utile. Questo esempio, lo usiamo, anche per un altro test in un'altra sezione delle guide.
|
|
|