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