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：免 prompt 少样本分类器全面适配新生态(9 条相关)→
「研究」频道最新
- Anima 创办公司后首期播客:5 万亿上下文与 4D 物理预测 — AnimaAnandkumar · 2026-09-05
- Uno 用 AR 架构无损并行采样，速度超 EAGLE-3 全部扩散 LLM — HongyiWang10 · 2026-09-05
- 新方法突破以往自解释训练的窄泛化:未定向训练也提升 hint 评测 — a_karvonen · 2026-09-05
- 从行为调查中生成两类自解释训练目标:反事实预测与开放式解释 — a_karvonen · 2026-09-05
- Anthropic Fellows 训练模型解释自身行为,泛化到未见评测 — a_karvonen · 2026-09-05
- Deep Learning Weekly 第471期：Claude Fable 5.1 发布与生产级 LLM 评测 — dl_weekly · 2026-09-05