Hugging Face 引入模型和数据集的 DOI 支持

TL;DR

Hugging Face 宣布在 Hub 上为任何模型或数据集原生生成 DOI，实现永久、版本感知的引用，提升可重复性和学术信用。

DOI 是什么以及为何重要

数字对象标识符（DOI）是一串全球唯一的字符串，用于引用数字对象，如研究文章、数据集或机器学习模型。DOI 解析到元数据——包括对象的 URL、版本、创建日期和描述——从而成为一个稳定、永久的链接。在学术实践中，DOI 的作用类似于图书的 ISBN：提供一种可信的引用机制，随时间不变。

Hugging Face 如何分配 DOI

Hugging Face 与 DataCite（领先的 DOI 注册机构）合作，直接从 Hub 发放 DOI。工作流程如下：

  1. 已注册用户打开模型或数据集的 repo settings。
  2. 用户填写必填元数据（标题、作者、描述等）。
  3. Hugging Face 向 DataCite 注册 DOI 并将标识符返回给用户。
  4. 模型或数据集页面现在会显示 "Cite this model/dataset" 按钮，点击后显示 DOI 和引用格式。

如果对象发布了新版本，DOI 可以更新指向最新版本，而之前的 DOI 仍可解析，标记为已过时。这种版本感知的行为确保引用可以针对特定发布，而不会因对象演进而失效。

技术影响

  • 持久链接：DOI URL 永不过期，即使底层 Hub URL 变化，引用仍然有效。
  • 版本控制：更新 DOI 会创建新的解析目标，保留历史版本的引用链。
  • 删除政策：带有 DOI 的对象旨在永久保存；只有在向 Hugging Face 支持团队正式请求后才可删除，符合学术存档标准。
  • 社区驱动特性：DOI 支持源自社区在 hub-docs GitHub issue tracker 上的反馈，体现了 Hugging Face 的开源开发模式。

使用该功能的步骤

  1. 前往 Hub 上的模型或数据集仓库。
  2. 点击 Settings → Generate DOI。
  3. 完成元数据表单并提交。
  4. 从弹出的引用模态框中复制生成的 DOI。
  5. 在论文、报告或任何学术作品中加入 DOI，以提供永久引用。

“如果模型或数据集有新版本，DOI 可以轻松更新，之前的 DOI 会变为过时。这使得即使对象已更改，也能轻松引用特定版本。” – Hugging Face 博客

社区与未来方向

Hugging Face 邀请用户通过 Twitter @HuggingFace 或在 huggingface/hub-docs 仓库中打开 issue 提出进一步改进建议。与 DataCite 的合作以及团队成员 Alix Leroy、Bram Vanroy、Daniel van Strien 和 Yoshitomo Matsubara 的贡献被强调为将该特性推向生产的关键因素。

本文概述了 Hugging Face 于 2022 年 10 月 7 日发布的官方公告。所有细节均直接取自原博客条目。

Sources