Daniel van Strienが194MのGLiNER2モデルを学習し、Hugging Faceデータセットのタスクタグを提案

Daniel van Strienは、Hugging Face Jobs上で約1.50ドルをかけてJev形式の分類器を学習した。これは194MのGLiNER2モデルで、任意のHugging Face Hubデータセットについて列名と先頭行からタスクタグを提案し、ラベルと確率を返す。

彼によると、GLiNER2のゼロショットでの最初の提案が所有者のタグと一致したのは10%で、17分のファインチューニング後は69%になった。ファインチューニング後のモデルは、無料のCPU上で約1秒で動作する。彼は、所有者のタグにはノイズがあり、誤答と数えられたものの一部は所有者が付けていなかったタグだと述べている。

手順は公開されている。hf jobsコマンド1つで、ユーザー自身のラベルを使って同じ種類のモデルを学習できる。書籍タイトルを使うREADMEの例は、約0.02ドルで約2分で実行される。デモはhub-task-tagger Space、手順はuv-scripts classification datasetにある。