# 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

Hugging Face Jobsで約1.50ドルをかけて学習したこのモデルは、データセットの列名と先頭行からタスクタグと確率を提案する。Daniel van Strienによると、17分のファインチューニングで、最初の提案が所有者のタグと一致する割合は10%から69%に上がった。

Language: ja
Time zone: Asia/Tokyo
Current time (UTC, cached as of): 2026-11-10T07:02:00.000Z
Query date (Asia/Tokyo): 2026-11-10

HTML: https://didcodexreset.com/ja/news/9e8b0d37722245e3a4e1418a.html

Content language: ja
Localization state: translated

出典：Daniel van Strien · 2026/9/24 02:30:22 公開

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](http://huggingface.co/spaces/davanstrien/hub-task-tagger)、手順は[uv-scripts classification dataset](http://huggingface.co/datasets/uv-scripts/classification)にある。

Tags: GLiNER2, Hugging Face, ファインチューニング, データセットのタグ付け

[元の投稿を見る](https://x.com/vanstriendaniel/status/2102728964477247964)