我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
今天來介紹 Stanford Sentiment TreeBank (SST-2)，其為電影評論，我們將描述 SST-2（二元分類）任務這個特例，然而，資料集超出了這個範圍，可以對 0（負面）到 n（正面）範圍內的情緒進行分類。
如果想要感覺 SST-2 的能力，可以使用下列程式載入模型：
from transformers import pipeline
nlp = pipeline("sentiment-analysis", model = "distilbert-base-uncased-fine-tuned-sst-2-english")
接著使用以下資料進行測試：
print(nlp("If you sometimes like to go to the movies to have fun , Wasabi is a good place to start ."), "If you sometimes like to go to the movies to have fun , Wasabi is a good place to start .")
print(nlp("Effective but too-tepid biopic."), "Effective but too-tepid biopic.")
至於衡量的基準則選擇 Accuracy，詳見 AI說書 - 從0開始 - 82
測試結果如下：
圖片出自書籍：Transformers for Natural Language Processing and Computer Vision, 2024
