Argilla 2.4 发布说明 / 新功能
Argilla 2.4 使用户能够在无需编写代码的情况下准备 AI 数据集，方法是直接将 Hugging Face Hub 中的数据集导入 Argilla 的 UI。此更新简化了收集用于微调和评估的人类反馈的过程，使不熟悉 Python 的领域专家也能民主化地创建数据集。
在 Hugging Face Hub 上的无代码数据集准备
Argilla 2.4 允许用户从 Hugging Face Hub 导入任何公开数据集——该平台目前拥有超过 230,000 个数据集——以作为 AI 项目的基础。通过使用 Argilla UI，开发者和领域专家可以定义问题并收集人类反馈，而无需使用 Python SDK。
此功能旨在支持以下关键使用场景：
- 社区贡献： 用户可以将开放数据集导入公共 Argilla Space，并共享 URL，以收集更广泛社区的反馈。
- 新数据集创建： 用户可以将 CSV 上传到 Hub，并将其导入 Argilla Space，以从头开始标注。
- 数据集策划： 可以将现有的 Hub 数据集导入 Argilla Spaces，专门用于模型微调或评估的策划。
- 数据集改进： 用户可以导入现有的 Hub 数据集，提供反馈并改进它们，以惠及社区。
技术工作流与实现
要使用这些功能，用户必须先部署 Argilla，推荐的方法是在 Hugging Face Spaces 上部署。默认部署包含 Hugging Face OAuth，如果 Space 为公开，则允许任何 Hub 用户贡献标注。
导入过程遵循以下步骤：
- 数据集选择： 用户登录后，在首页使用 "Import dataset from Hugging Face" 按钮，提供仓库 ID 或选择示例数据集。
- 配置： Argilla 会根据数据集的特征自动建议初始配置。用户随后可以添加问题（如标签、评分、排名或文本），或移除不必要的字段（如文本、聊天或图像）。
- 数据集创建： 配置完成且实时显示更改后，用户点击 "Create dataset" 完成导入。
在此功能的首个版本中，Hub 数据集必须是公开的。对私有数据集的支持目前是未来开发的需求。
与 Hugging Face 生态系统的集成
虽然无代码 UI 简化了导入流程，但 Argilla Python SDK 仍可供需要高级定制的用户使用。Argilla 是一个开源、以数据为中心的工具，集成了 Hugging Face Hub，旨在促进 AI 开发者与领域专家之间的协作，以构建高质量的数据集。