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

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，配方是 uv-scripts classification dataset。