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:

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)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →