Argilla 2.4 リリースノート / 新機能
Argilla 2.4 は、Hugging Face Hub からデータセットを Argilla の UI に直接インポートできるようにすることで、コードを書かずに AI データセットを作成できるようにします。このアップデートにより、ファインチューニングや評価のための人間のフィードバック収集が効率化され、Python に不慣れなドメイン専門家でもデータセット作成が可能になります。
Hugging Face Hub でのノーコードデータセット作成
Argilla 2.4 は、現在 230,000 以上のデータセットがホストされている Hugging Face Hub から任意の公開データセットをインポートし、AI プロジェクトの基盤として利用できるようにします。Argilla の UI を使用することで、開発者やドメイン専門家は Python SDK を使用せずに質問を定義し、人間のフィードバックを収集できます。
この機能は、以下の主要なユースケースをサポートするよう設計されています：
- Community Contribution（コミュニティ貢献）: ユーザーはオープンデータセットを公開 Argilla Space にインポートし、URL を共有して広範なコミュニティからフィードバックを集めることができます。
- New Dataset Creation（新規データセット作成）: ユーザーは CSV を Hub にアップロードし、Argilla Space にインポートして、ゼロからラベリングを開始できます。
- Dataset Curation（データセットキュレーション）: 既存の Hub データセットを Argilla Space にインポートし、モデルのファインチューニングや評価向けにキュレーションできます。
- Dataset Improvement（データセット改善）: ユーザーは既存の Hub データセットをインポートし、フィードバックを提供してコミュニティの利益のために改善できます。
技術的ワークフローと実装
これらの機能を使用するには、まず Argilla をデプロイする必要があります。推奨される方法は Hugging Face Spaces へのデプロイです。デフォルトのデプロイには Hugging Face OAuth が含まれており、Space が公開されている場合、Hub のユーザーは誰でもアノテーションを提供できます。
インポートプロセスは以下の手順で進みます：
- Dataset Selection（データセット選択）: ユーザーはサインインし、ホームページの「Import dataset from Hugging Face」ボタンを使用して、リポジトリ ID を入力するか、サンプルデータセットを選択します。
- Configuration（設定）: Argilla はデータセットの特徴に基づいて初期設定を自動的に提案します。その後、ユーザーは質問（ラベル、評価、ランキング、テキストなど）を追加したり、不要なフィールド（テキスト、チャット、画像など）を削除したりできます。
- Dataset Creation（データセット作成）: 設定が確定し、変更がリアルタイムで反映されたら、ユーザーは「Create dataset」ボタンをクリックしてインポートを完了します。
この機能の最初のバージョンでは、Hub のデータセットは公開されている必要があります。プライベートデータセットへの対応は、現在将来の開発向けに要望として挙げられています。
Hugging Face エコシステムとの統合
ノーコード UI がインポートプロセスを簡素化する一方で、高度なカスタマイズが必要なユーザー向けに Argilla Python SDK は引き続き利用可能です。Argilla はオープンソースのデータ中心ツールで、Hugging Face Hub と統合されており、AI 開発者とドメイン専門家が協力して高品質なデータセットを構築できるよう設計されています。