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。
在 AI說書 - 從0開始 - 94 介紹了 Stanford Sentiment TreeBank (SST-2)，其為電影評論，可以對 0（負面）到 n（正面）範圍內的情緒進行分類。
在 AI說書 - 從0開始 - 95 介紹了 Microsoft Research Paraphrase Corpus (MRPC)，從網路來源中提取句子對，根據兩個密切相關的屬性對每一對進行註釋，以指示句子是否等效。
今天來介紹 Winograd schemas，訓練集是英文的，但是，如果我們要求 Transformer 模型解決英法翻譯中的代名詞性別問題，會發生什麼事？法語具有語法性別（陰性和陽性）。
如果想要感覺 MRPC 的能力，可以使用下列程式載入模型：
from transformers import pipeline
translator = pipeline("translation_en_to_fr", model = "t5-base")
接著使用以下資料進行測試：
print(translator("The car could not go in the garage because it was too big.", max_length = 40))
測試結果如下：
圖片出自書籍：Transformers for Natural Language Processing and Computer Vision, 2024
Transformer 偵測到「it」指的是「car」，該詞是陰性形式，elle 在法語中的意思是“她”，這是其翻譯的陰性形式，男性形式將是 il，這意味著他，grosse 是「big」一詞翻譯的陰性形式。
