mirror of
https://github.com/dair-ai/Prompt-Engineering-Guide
synced 2024-11-08 07:10:41 +00:00
44 lines
1.1 KiB
Plaintext
44 lines
1.1 KiB
Plaintext
# 生成数据
|
||
LLMs具有生成连贯文本的强大能力。使用有效的提示策略可以引导模型产生更好、更一致和更真实的响应。LLMs还可以特别有用地生成数据，这对于运行各种实验和评估非常有用。例如，我们可以使用它来为情感分类器生成快速样本，如下所示：
|
||
|
||
*提示：*
|
||
```
|
||
生成10个情感分析的范例。示例被归类为正面或负面。生成2个负面示例和8个正面示例。使用以下格式的示例：
|
||
Q：<句子>
|
||
A：<情感>
|
||
```
|
||
|
||
*输出：*
|
||
```
|
||
Q:我刚刚得到了最好的消息！
|
||
A:正面
|
||
|
||
Q:我们刚刚在工作中得到了加薪！
|
||
A:正面
|
||
|
||
Q:我为今天所取得的成就感到非常自豪。
|
||
A:正面
|
||
|
||
Q:我度过了最美好的一天！
|
||
A:正面
|
||
|
||
Q:我真的很期待周末。
|
||
A:正面
|
||
|
||
Q:我刚刚得到了最好的礼物！
|
||
A:正面
|
||
|
||
Q:我现在感到非常快乐。
|
||
A:正面
|
||
|
||
Q:我很幸运有这么棒的家人。
|
||
A:正面
|
||
|
||
Q:外面的天气很阴沉。
|
||
A:负面
|
||
|
||
Q:我刚刚得到了一些可怕的消息。
|
||
A:负面
|
||
```
|
||
|
||
这非常有用。我们实际上在指南的另一个部分中使用了这个示例进行不同的测试。 |