Argilla v2.7.0版本发布:相似度搜索与用户管理增强
2025-06-13 15:35:16作者:郦嵘贵Just
项目简介
Argilla是一个开源的机器学习数据标注与监控平台,专注于为NLP和机器学习团队提供高效的数据标注、模型监控和反馈循环工具。它支持多种数据类型,包括文本分类、序列标注和文本生成等任务,并提供了直观的Web界面和Python SDK。
核心更新内容
相似度搜索功能增强
在v2.7.0版本中,Argilla对向量相似度搜索功能进行了重要改进。现在,当用户执行相似度搜索时,系统不仅会返回匹配的记录,还会附带相似度分数。这一改进使得用户能够更精确地评估搜索结果的相关性。
在Python SDK中,这一功能通过similar
参数实现。用户现在可以像下面这样使用:
import argilla as rg
# 假设dataset已存在
for record, score in dataset.records(similar=rg.Similar(
name="vector", # 向量字段名
value=[0.1, 0.2, 0.3], # 查询向量
)):
print(f"记录: {record}, 相似度分数: {score}")
这一改进特别适用于以下场景:
- 语义搜索应用,需要精确评估结果相关性
- 主动学习场景,可以基于相似度分数筛选样本
- 数据去重,通过设定相似度阈值识别重复记录
用户与工作空间管理改进
新版本引入了预定义ID功能,允许管理员在创建用户和工作空间时指定ID。这一特性对于以下情况特别有用:
- 系统集成场景,需要保持ID一致性
- 数据迁移过程,确保ID不发生变化
- 自动化部署,可以预先规划资源分配
稳定性与安全性增强
v2.7.0版本还包含了几项重要的稳定性改进:
- 空聊天字段处理:修复了当聊天字段为空时可能导致的索引错误问题,提高了系统稳定性
- SSL验证参数支持:现在可以在配置Argilla客户端时传递SSL验证参数,增强了安全性
- 错误处理改进:对各种边界条件进行了更完善的错误处理
技术实现细节
相似度分数计算
在底层实现上,Argilla使用了高效的向量相似度计算算法。当执行相似度搜索时,系统会:
- 对查询向量进行归一化处理
- 计算与索引中所有向量的余弦相似度
- 根据相似度分数排序结果
- 返回前N个最相关的结果及其分数
这一过程充分利用了现代向量数据库的高效检索能力,确保即使在大规模数据集上也能快速响应。
预定义ID机制
新的预定义ID功能通过扩展API实现,允许在创建资源时可选地指定ID。系统会进行以下验证:
- ID格式检查(必须符合UUID规范)
- 唯一性检查(确保不与现有资源冲突)
- 权限验证(只有管理员可以指定ID)
最佳实践建议
基于v2.7.0的新特性,我们建议用户考虑以下实践:
- 相似度阈值设定:根据业务需求设定合理的相似度阈值,平衡召回率和准确率
- ID管理策略:在自动化部署中建立一致的ID命名规范
- SSL配置:在生产环境中始终启用SSL验证,确保数据传输安全
总结
Argilla v2.7.0通过相似度搜索增强和用户管理改进,进一步提升了平台的实用性和灵活性。这些改进使得Argilla在语义搜索、系统集成和数据安全等方面表现更加出色,为机器学习团队提供了更强大的工具支持。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0287Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
198
279

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
535
62

Ascend Extension for PyTorch
Python
50
81

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
950
556

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1 K
397

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
385
19

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191