mirror of
https://github.com/dair-ai/Prompt-Engineering-Guide
synced 2024-11-16 06:12:45 +00:00
46 lines
1.4 KiB
Plaintext
46 lines
1.4 KiB
Plaintext
# 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: <oración>
|
|
A: <sentimiento>
|
|
```
|
|
|
|
*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.
|