RLHF に向けた生成テキストの分類
ここでは、生成されたレビューを分類していきます。出力を評価する一つの方法として、Hugging Face のパイプラインでインスタンス化できる分類器 lvwerra/distilbert-imdb を使い、生成レビューのポジティブ度を測定します。
transformers から pipeline ライブラリはすでにインポート済みです。lvwerra/distilbert-imdb モデルは model として、トークナイザーは tokenizer として事前に読み込まれています。
この演習はコースの一部です
人間のフィードバックによる強化学習（RLHF）
演習の手順
pipeline関数を使って、指定のモデルで感情分析のパイプラインを作成します。- 提示されたレビューの感情を分類します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create a sentiment analysis pipeline
sentiment_analyzer = pipeline(____, model=____, tokenizer=____)
review_text = "Surprisingly, the film is a very good one"
# Classify the sentiment of the review
sentiment = sentiment_analyzer(____)
print(f"Sentiment Analysis Result: {sentiment}")