Explosion 开源 NER 数据流水线:多模型共识+人工复核,误差比 GPT 5.6 Sol 低 50-60%
honnibal · x · 2026-11-23
Explosion 创始人 Matthew Honnibal 发布「Vibe NLP」工作流,用编码 agent(如 Claude Code)驱动多步流程,快速、低成本地获取高质量 NER(命名实体识别)训练/评测数据。
工作流要点:
- 用多个小型开源权重 LLM 或 NER 模型并行标注,在 Kubernetes 执行环境上运行,由编码 agent 按模板推进;
- agent 自动开发修正规则与术语表(gazetteer),用共识算法整合多模型输出;
- 人类只处理共识不确定的样本(二值决策式标注 UI),10-20 分钟即可完成关键复核。
评测结果:构建两个小型 NER 语料(HN 帖子中的工具/技术识别;新闻文本的 PERSON/ORG/PRODUCT/GPE 四类),3-5 个开源模型加共识后,一个任务持平 GPT 5.6 Sol、另一个超过它,运行成本仅 1/25;再对最不确定样本做少量人工标注后,两个任务的错误数比 GPT 5.6 Sol 输出少 50-60%。
适合需要自建领域 NER 数据、又觉得前沿模型「够好但太贵」的团队。
所属事件:spaCy 作者开源「Vibe NLP」流程低成本造NER数据(2 条相关)→
「编程与Agent」频道最新
- Aiden Bai 发布可完全在浏览器本地运行的新开发工具 — aidenybai · 2026-11-23
- Lantern agent 技术栈揭晓:Codex CLI + AWS 沙箱 + 自定义工具 — MikePFrank · 2026-11-23
- Qwen 27B 自主 agent 沙箱 Lantern 开源,附路由成本实测 — MikePFrank · 2026-11-23
- 只会写代码的开发者有风险:全流程 agentic 软件工厂图解 — Pavan_Belagatti · 2026-11-23
- Vibecoding 两周变一天:电商店建站成本从 5000 美元骤降 — Tegadesigns · 2026-11-23
- nichochar 提出 agent 两分法:管家型与园丁型 — hwchase17 · 2026-11-23