SetFit v1.2 发布：每类 8 个样本可敌 RoBERTa-Large 3k 样本微调
tomaarsen · x · 2026-09-04
Hugging Face 发布 SetFit v1.2.0，这是一个免 prompt 的少样本文本分类框架：把少量标注句子构造成正负样本对，对 Sentence Transformer 做对比微调，再在嵌入上训练分类头，无需 prompt 或 LLM。原论文实验显示每类仅 8 个样本即可媲美用 3k 样本微调的 RoBERTa-Large，训练速度比 PEFT/PET 快一个数量级，还可通过换 embedding 主干支持多语言。v1.2 主要带来 transformers v5、Sentence Transformers v6 与 huggingfacehub v1 的兼容支持。
所属事件:SetFit v1.2.0 发布：8 样本分类器全面适配新生态(9 条相关)→
「研究」频道最新
- CMU 与 Meta 开源 TrackEverything：追踪长视频全部 3D 点 — AdamWHarley · 2026-10-21
- OpenAI 收购 Orchestra Bio，把研究 AI 接入药物研发运营 — ryanmerket · 2026-10-21
- 开源婴儿脑连接工具包:vibe coding 串起皮层-电极-纤维追踪分析 — Dr_Alex_Crimi · 2026-10-21
- 伯克利获 Schmidt Sciences 资助：用 AI 破解抹香鲸与虎鲸语言 — begusgasper · 2026-10-21
- 斯坦福 CS336 第 6 讲:kernel 提速先少跑几趟显存 — stanfordnlp · 2026-10-21
- UIUC 论文：高分不等于会推理，LLM 换个表述就丢失推理规则 — UIUC-CS · 2026-10-21