Hugging Face Hub 社群更新：拉取請求與討論

Hugging Face 已在 Hugging Face Hub 推出拉取請求與討論功能，提供一個集中式的協作環境，供模型、資料集與 Spaces 使用。這些功能讓任何社群成員都能提出變更、提問，並直接與倉庫擁有者互動，以加速機器學習開發與倫理軟體的迭代。

協作功能：討論與拉取請求

Hugging Face 已在所有倉庫類型（包括模型、資料集與 Spaces）中整合了全新的「Community」標籤。此標籤作為兩項新協作工具的主要介面：

討論

討論讓社群成員能夠提問、提供答案，並直接與倉庫擁有者及更廣大的社群分享想法或建議。此功能對所有使用者開放，促進在倉庫情境中的直接溝通。

拉取請求

拉取請求允許使用者直接在網站上開啟、評論、合併或關閉貢獻。為了簡化流程，Hugging Face 在「Files and versions」標籤中提供了「Collaborate」按鈕，專門用於促進單檔案的貢獻。

技術實作與 Git 工作流程

Hugging Face 對拉取請求的實作與傳統的 Git 主機（如 GitHub）相比，有三個主要差異，以更符合機器學習工作流程：

• No Forks Required: 與其要求貢獻者 fork 倉庫，Hub 直接在原始倉庫上使用稱為 refs 的自訂「branches」。此方式消除為每個模型或資料集的新版本建立 fork 的負擔。
• Unified Interface: 沒有明確區分 issue 與拉取請求；它們基本上被視為相同，並顯示在同一列表中。
• ML-Specific Optimization: 系統專為機器學習倉庫（模型、資料集與 Spaces）進行優化，而非一般用途的任意倉庫。

對倫理機器學習與社群貢獻的影響

Community 標籤的引入與倫理機器學習的提案相呼應，提供一個透明的回饋與迭代平台。此工具的具體使用案例包括：

• Improving Disclosures: 在模型卡中提出建議，以更完善地揭露倫理偏見。
• Reporting Issues: 在 Space 示範中標記令人關切的生成結果。
• Direct Communication: 建立資料集/模型作者與社群之間的直接溝通管道。
• Repository Enhancement: 讓社群貢獻改進，例如提供模型的 TensorFlow 權重。