文本生成
LLM 具备多种能力，其中最常见之一就是文本生成。
您需要针对变量 text 中的客户评论生成一段回复；其中包含您之前见过的 Riverview Hotel 的同一条评论。
pipeline 模块已为您加载。
本练习是课程的一部分
Python 中的 LLM 入门
练习说明
- 实例化
generatorpipeline，并为文本生成指定合适的任务。 - 在 f-string 中把
text和response都包含进来，完成prompt。 - 完成模型 pipeline：将最大长度设为 150 个 token，并把
pad_token_id设为序列结束 token。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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"])