Daniel van Strien 訓練 1.94 億參數 GLiNER2 模型，為 Hugging Face 數據集建議任務標籤

Daniel van Strien 在 Hugging Face Jobs 上以約 1.50 美元訓練一個 Jev 風格分類器。這是一個 1.94 億參數的 GLiNER2 模型，可根據欄名和第一行，為任何 Hugging Face Hub 數據集建議任務標籤，並返回標籤及機率。

他報告，GLiNER2 的首次零樣本建議與擁有者標籤吻合的比例為 10%，經過 17 分鐘微調後升至 69%。微調後的模型可在免費 CPU 上約一秒內運行。他說擁有者的標籤有雜訊，因此部分被計為錯誤的答案，其實是擁有者沒有標出的標籤。

做法已經公開：一條 hf jobs 指令就能用用戶自己的標籤訓練同類模型。README 中以書名為例的示範，約兩分鐘完成，成本約 0.02 美元。示範是 hub-task-tagger Space，做法見 uv-scripts classification dataset。