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

Hugging Face Jobs에서 약 1.50달러로 학습된 이 모델은 데이터셋의 열 이름과 첫 행을 바탕으로 작업 태그와 확률을 제안한다. Daniel van Strien은 17분간의 미세 조정으로 소유자 태그와 첫 제안의 일치율이 10%에서 69%로 올랐다고 밝혔다.

Language: ko
Time zone: Asia/Seoul
Current time (UTC, cached as of): 2026-11-10T07:01:00.000Z
Query date (Asia/Seoul): 2026-11-10

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

Content language: ko
Localization state: translated

출처: Daniel van Strien · 2026. 9. 24. 02:30:22 게시

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 Space](http://huggingface.co/spaces/davanstrien/hub-task-tagger)이고, 레시피는 [uv-scripts classification 데이터셋](http://huggingface.co/datasets/uv-scripts/classification)이다.

Tags: GLiNER2, Hugging Face, 미세 조정, 데이터셋 태깅

[원문 게시물 보기](https://x.com/vanstriendaniel/status/2102728964477247964)