# Daniel van Strien 训练 1.94 亿参数 GLiNER2 模型，为 Hugging Face 数据集建议任务标签

该模型在 Hugging Face Jobs 上训练，费用约 1.50 美元，可根据数据集的列名和第一行给出任务标签及概率。Daniel van Strien 称，17 分钟微调将其首条建议与所有者标签的匹配率从 10% 提高到 69%。

Language: zh-CN
Time zone: Asia/Shanghai
Current time (UTC, cached as of): 2026-11-10T06:09:00.000Z
Query date (Asia/Shanghai): 2026-11-10

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

Content language: zh-CN
Localization state: translated

来源：Daniel van Strien · 发布于 2026/9/24 01:30:22

Daniel van Strien 在 Hugging Face Jobs 上以约 1.50 美元训练了一个 Jev 风格分类器。这是一个 1.94 亿参数的 GLiNER2 模型，可根据列名和第一行为任意 Hugging Face Hub 数据集建议任务标签，并返回带概率的标签。

他报告，GLiNER2 的首条零样本建议与所有者标签的匹配率为 10%，经过 17 分钟微调后为 69%。微调后的模型可在免费 CPU 上约一秒内运行。他说所有者的标签有噪声，因此一些被计为错误的答案，其实是所有者遗漏的标签。

配方已公开：一条 hf jobs 命令即可用用户自己的标签训练同类模型。README 中以书名为例的示例约两分钟跑完，费用约 0.02 美元。演示是 [hub-task-tagger Space](http://huggingface.co/spaces/davanstrien/hub-task-tagger)，配方是 [uv-scripts classification dataset](http://huggingface.co/datasets/uv-scripts/classification)。

Tags: GLiNER2, Hugging Face, 微调, 数据集标注

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