Hugging Face 為模型與資料集引入 DOI 支援

TL;DR

Hugging Face 宣佈在 Hub 上為任何模型或資料集原生產生 DOI，提供永久且具版本感知的引用，提升可重現性與學術認可。

DOI 是什麼以及為何重要

數位物件識別碼（Digital Object Identifier，簡稱 DOI）是一個全球唯一的字串，用於引用數位物件，例如研究論文、資料集或機器學習模型。DOI 會解析至該物件的中繼資料——包括物件的 URL、版本、建立日期與說明——因此成為穩定、永久的連結。在學術實務中，DOI 的功能類似書籍的 ISBN：提供一種不會隨時間變動的可信引用機制。

Hugging Face 如何指派 DOI

Hugging Face 與領先的 DOI 註冊機構 DataCite 合作，直接從 Hub 發行 DOI。工作流程如下：

  1. 已註冊使用者開啟模型或資料集的 repo settings。
  2. 使用者填寫必要的中繼資料（標題、作者、說明等）。
  3. Hugging Face 向 DataCite 註冊 DOI，並將識別碼回傳給使用者。
  4. 模型或資料集頁面會顯示 「Cite this model/dataset」 按鈕，點擊後會顯示 DOI 與引用格式。

如果物件釋出新版本，DOI 可以更新為指向最新版本，而先前的 DOI 仍可解析，顯示其已過時。此具版本感知的行為確保引用能針對特定發行版，且在物件演變時不會失效。

技術層面的影響

  • Persistent Linking：DOI URL 永不過期，確保即使底層 Hub URL 變更，引用仍然有效。
  • Version Control：更新 DOI 會產生新的解析目標，保留歷史版本的引用鏈。
  • Deletion Policy：具 DOI 的物件預計永久保存；僅在向 Hugging Face 支援提出正式請求後方可刪除，符合學術保存標準。
  • Community‑Driven Feature：DOI 支援源自社群在 hub-docs GitHub issue tracker 上的回饋，展現 Hugging Face 的開源開發模式。

如何使用此功能

  1. 前往 Hub 上的模型或資料集倉庫。
  2. 點擊 Settings → Generate DOI。
  3. 完成中繼資料表單並提交。
  4. 從彈出的引用視窗中複製產生的 DOI。
  5. 在論文、報告或任何學術作品中加入 DOI，以提供永久參考。

「如果模型或資料集有新版本，DOI 可以輕鬆更新，先前的 DOI 會變成過時。這讓人即使在物件已變更的情況下，也能輕鬆引用特定版本。」– Hugging Face 部落格

社群與未來方向

Hugging Face 邀請使用者透過 Twitter @HuggingFace 或在 huggingface/hub-docs 倉庫開立議題，提出進一步的改進建議。與 DataCite 的合作以及團隊成員 Alix Leroy、Bram Vanroy、Daniel van Strien、Yoshitomo Matsubara 等人的貢獻，被強調為將此功能推向正式上線的關鍵。

本文總結了 Hugging Face 於 2022 年 10 月 7 日的官方公告。所有細節皆直接取自原始部落格文章。

Sources