SetFit

🤗 SetFit 是一个高效且无需提示的框架，用于 Sentence Transformers 的少样本微调。它以少量标记数据实现高精度 - 例如，在 Customer Reviews 情感数据集上，每个类别仅使用 8 个标记示例，🤗 SetFit 的性能就可以与在 3k 个示例的完整训练集上微调 RoBERTa Large 相媲美！

与其他少样本学习方法相比，SetFit 具有几个独特的功能

🗣 无需提示或口语化器： 当前的少样本微调技术需要手工制作提示或口语化器，以将示例转换为适用于底层语言模型的格式。SetFit 通过直接从文本示例生成丰富的嵌入，从而完全省去了提示。
🏎 训练速度快： SetFit 不需要像 T0、Llama 或 GPT-4 这样的大型模型即可实现高精度。因此，它的训练和运行推理通常快一个数量级（或更多）。
🌎 多语言支持：SetFit 可以与 Hub 上的任何 Sentence Transformer 一起使用，这意味着您只需微调多语言检查点即可对多种语言的文本进行分类。

教程

学习基础知识并熟悉如何加载预训练的 Sentence Transformers 以及如何在数据上微调它们。如果您是第一次使用 🤗 SetFit，请从这里开始！

操作指南

帮助您实现特定目标的实用指南。查看这些指南，了解如何使用 🤗 SetFit 解决现实世界中的问题。

概念指南

为了更好地理解少样本学习和对比学习等重要主题而提供的高级解释。

参考

关于 🤗 SetFit 类和方法如何工作的技术描述。

< > 在 GitHub 上更新