Sprawdzanie toksyczności
Pracujesz w firmie zajmującej się mediami społecznościowymi i musisz oceniać komentarze publikowane na platformie, aby upewnić się, że użytkownicy przestrzegają zasad społeczności.
Twoim zadaniem jest dokładna ocena poziomu toksyczności komentarzy user_1 i user_2.
Metryka toksyczności została wczytana dla ciebie jako toxicity_metric.
To ćwiczenie jest częścią kursu
Wprowadzenie do LLM w Pythonie
Instrukcje do ćwiczenia
- Oblicz indywidualną toksyczność każdej sekwencji.
- Oblicz maksymalną toksyczność.
- Oblicz współczynnik toksyczności dla każdego komentarza.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Calculate the individual toxicities
toxicity_1 = toxicity_metric.compute(predictions=____)
toxicity_2 = toxicity_metric.compute(predictions=____)
print("Toxicities (user_1):", toxicity_1['toxicity'])
print("Toxicities (user_2): ", toxicity_2['toxicity'])
# Calculate the maximum toxicities
toxicity_1_max = toxicity_metric.compute(____)
toxicity_2_max = toxicity_metric.compute(____)
print("Maximum toxicity (user_1):", toxicity_1_max['max_toxicity'])
print("Maximum toxicity (user_2): ", toxicity_2_max['max_toxicity'])
# Calculate the toxicity ratios
toxicity_1_ratio = ____(____)
toxicity_2_ratio = ____(____)
print("Toxicity ratio (user_1):", toxicity_1_ratio['toxicity_ratio'])
print("Toxicity ratio (user_2): ", toxicity_2_ratio['toxicity_ratio'])