setfit

收录理由

做文本分类的团队，很多并没有现成的上万条标注数据，SetFit正是为解决这种窘境而生的。它直接对句子Transformer做微调，从文本本身生成稠密向量，完全不需要手写提示模板或口语化标签。在Customer Reviews情感数据集上，每个类别只要8条标注样本，效果就能逼近用全部3000条样本训练出的RoBERTa Large模型，而且训练速度快到普通硬件就能轻松跑起来。由于Hugging Face Hub上任何多语言的句子Transformer检查点都可以作为起点，这套方法只需少量额外数据就能迁移到非英语文本上。安装就一条pip命令，内置训练器和分类头，文档和notebook足够让新手一个下午从零跑通一个可用的分类器。