Daniel van Strien, 194M GLiNER2 모델을 학습해 Hugging Face 데이터셋 작업 태그 제안

Daniel van Strien은 Hugging Face Jobs에서 약 1.50달러로 Jev-style 분류기를 학습했다. 이 모델은 194M GLiNER2로, 열 이름과 첫 행을 바탕으로 Hugging Face Hub의 어떤 데이터셋에든 작업 태그를 제안하고 레이블과 확률을 반환한다.

그는 GLiNER2의 첫 제로샷 제안이 소유자 태그와 10%만 일치했고, 17분 미세 조정 후에는 69%로 올랐다고 전했다. 미세 조정된 모델은 무료 CPU에서 약 1초 만에 실행된다. 그는 소유자 태그에 노이즈가 있어, 오답으로 집계된 일부는 소유자가 빠뜨린 태그라고 말했다.

레시피는 공개되어 있다. hf jobs 명령 하나로 사용자가 가진 레이블로 같은 종류의 모델을 학습할 수 있다. 책 제목을 쓰는 README 예시는 약 2분에 약 0.02달러로 실행된다. 데모는 hub-task-tagger Space이고, 레시피는 uv-scripts classification 데이터셋이다.