数据增强对提升机器学习模型的鲁棒性至关重要，但生成多样化数据点以评估模型行为存在挑战。本文介绍了Amplio，一个互动工具，帮助用户识别非结构化文本数据集中的空白数据空间，从而提高数据多样性。Amplio包含三种增强技术，用户研究表明其能快速生成高质量和相关的模型安全提示，展示了互动增强工作流程的变革潜力。