Hugging Face 模型卡文档框架

标准化模型卡框架

Hugging Face 在 huggingface_hub 库中推出了更新的模型卡模板，以建立机器学习文档的一致结构。该模板提供默认提示文本以指导作者，特别强调记录模型的偏差、风险和局限性。

为支持该框架的实施，Hugging Face 发布了以下资源：

• Model Card Creator Tool：一个图形用户界面（GUI），允许团队协作并创建模型卡，无需了解 Markdown 或编程。
• Annotated Model Card Template：关于如何正确填写模型卡各章节的详细指南。
• Guide Book：一份资源，详细说明机器学习文档的最新进展、用户研究以及完成模型卡的说明。

研究与证据基础

这些工具的开发基于对现有机器学习文档工具的全景分析以及对最新文献的综述。该框架建立在诸如 Mitchell 等人（2018）提出的原始模型卡（Model Cards）建议、自然语言处理的数据声明（Bender & Friedman, 2018）以及数据集数据表（Gebru 等, 2018）等基础工作之上。

为确保这些工具满足实际用户需求，Hugging Face 进行了内部用户访谈，并为托管在 Hugging Face Hub 上的模型创建了数十个模型卡，以完善模板和写作工具。

机器学习文档的可访问性与包容性

新 GUI 写作工具的主要目标是通过允许具备不同技能和角色的个人参与文档编写过程来提升包容性。通过消除对代码的需求，Hugging Face 旨在突出模型文档的伦理要素，确保受机器学习模型影响的群体能够更好地理解这些模型。

模型文档的未来路线图

Hugging Face 打算通过以下几项计划的进展，进一步将模型文档整合到机器学习生命周期中：

• Automated Evaluation Integration：集成类似 “Evaluate on the Hub” 的工具，以便将跨细分因素的性能结果自动导入模型卡。
• Paper-to-Documentation Pipeline：开发一条流水线，简化从研究论文到模型卡的转换，降低标准化文档所需的工作量。
• Product Integration：继续将模型卡创建功能直接集成到 Hub 仓库和产品中，以简化工作流程。