/
githubmirror
/
Prompt-Engineering-Guide
Обзор
Документация
Войти
/
githubmirror
/
Prompt-Engineering-Guide
Код
Запросы
0
Пакеты
0
Релизы
0
Аналитика
Безопасность
main
pages/applications/generating.it.mdx
45 строк
1 KB
napo
update italian language
14 апр 2023, 12:00
14 апр 2023, 12:00
23de527
Код
Авторство
О чём код?
# Generazione di dati I Large Language Model (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:* ``` Produci 10 esempi per l'analisi del sentimento. Gli esempi sono classificati come positivi o negativi. Produrre 2 esempi negativi e 8 esempi positivi. Utilizzate questo formato per gli esempi: D: <sentenza> R: <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 ``` Questo risultato è molto utile e lo useremo anche per un altro test in un'altra sezione di questa guida.