產生文字
LLM 具備多種能力，其中以文字產生最受歡迎。
你需要針對變數 text 中的顧客評論產生回覆；它包含你先前看過的 Riverview Hotel 的同一則顧客評論。
pipeline 模組已為你載入。
本練習屬於課程
Python 的 LLM 入門
練習說明
- 建立
generatorpipeline，並指定適合用於產生文字的任務。 - 完成
prompt：在 f-string 中加入text與response。 - 完成模型的 pipeline 設定：將最大長度設為 150 個權杖（tokens），並把
pad_token_id設為序列結尾權杖。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Instantiate the pipeline
generator = pipeline(____, model="gpt2")
response = "Dear valued customer, I am glad to hear you had a good stay with us."
# Complete the prompt
prompt = f"Customer review:\n{____}\n\nHotel reponse to the customer:\n{____}"
# Complete the model pipeline
outputs = generator(prompt, ____, pad_token_id=____, truncation=True)
print(outputs[0]["generated_text"])