# 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

模型在 Hugging Face Jobs 上訓練，成本約 1.50 美元，可根據數據集的欄名和第一行提出任務標籤及機率。Daniel van Strien 表示，17 分鐘微調把首次建議與擁有者標籤的吻合率由 10% 提升至 69%。

Language: zh-HK
Time zone: Asia/Hong_Kong
Current time (UTC, cached as of): 2026-11-10T07:42:00.000Z
Query date (Asia/Hong_Kong): 2026-11-10

HTML: https://didcodexreset.com/zh-hk/news/9e8b0d37722245e3a4e1418a.html

Content language: zh-HK
Localization state: translated

來源：Daniel van Strien · 發布於 24/9/2026 01:30:22

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](http://huggingface.co/spaces/davanstrien/hub-task-tagger)，做法見 [uv-scripts classification dataset](http://huggingface.co/datasets/uv-scripts/classification)。

Tags: GLiNER2, Hugging Face, 微調, 數據集標籤

[查看主帖原文](https://x.com/vanstriendaniel/status/2102728964477247964)