AI說書 - 從0開始 - 94

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。

延續 AI說書 - 從0開始 - 93 介紹了 The Corpus of Linguistic Acceptability (CoLA)，其核心思想為：如果該句子在語法上不可接受，則該句子被標記為 0，如果該句子語法上可以接受，則該句子被標記為 1。

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：