Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

[Dataset Request] Add nvidia/Nemotron-PII — PII detection benchmark

Đang mở
  • Có gì không ổn?
#31 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Chưa có ai nhận issue này.

Đánh giá

Độ khó
3/5
Thời gian dự kiến
1-2 ngày
Mức phù hợp với người mới
65/100
Loại issue
Tính năng
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Ít trao đổi
Công nghệ
huggingface
Lĩnh vực
machine-learning, security

Hướng nghiên cứu

Bắt đầu bằng cách kiểm tra workflow hiện có của repository này để lập chỉ mục dataset và leaderboard, sau đó xem lại dataset card của nvidia/Nemotron-PII về schema, labels, giấy phép và tác vụ đánh giá. Xác nhận cách các benchmark PII hoặc token-classification tương tự được biểu diễn, và không thêm kết quả nếu chưa có nguồn được chấp nhận; được xem là hoàn tất khi dataset và tác vụ PII Detection được lập chỉ mục cùng với metric và metadata đã nêu.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

Hi! I'd like to request indexing the Nemotron-PII dataset and a leaderboard for PII Detection.

Dataset
  • HF: nvidia/Nemotron-PII
  • Publisher: NVIDIA
  • Size: 200,000 rows (100K train / 100K test), synthetic, ~30 domains
  • Labels: 50+ PII types; character-level spans ({start, end, text, label}) + inline-tagged text; English (US locale)
  • Task: PII Detection / span extraction (token classification)
  • Primary metric: token/span-level F1 (micro-averaged)
  • License: CC-BY-4.0
Suggested results to seed the leaderboard

⚠️ Single-source, self-reported. NVIDIA's dataset card publishes no baselines. The only public numbers I could find come from one community author (Kalyan KS), who trained the winning models — treat as a community claim, not an independent benchmark. Micro-F1 on 10K test instances:

Model Precision Recall F1
GPT-4o-mini (zero-shot) 95.21 67.05 78.69
Ettin-32M (fine-tuned) 95.96 95.49 95.73
Ettin-68M (fine-tuned) 96.35 96.19 96.27

Source: https://huggingface.co/blog/kalyan-ks/tiny-pii-entity-detection-models . Given the single-source provenance, it may be cleaner to request the dataset/task first and leave results for the community/maintainer to populate from pwc-archive or peer-reviewed work.

Note

A large, recent, industry-domain PII dataset with fine-grained labels — good complement to AI4Privacy and Privy. Thanks!

Ngôn ngữ chính
Không có dữ liệu ngôn ngữ
Star
11
Fork
1
Không có pull request nào được merge trong 30 ngày

Chuẩn bị môi trường

Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của huggingface/paperswithcode-feedback

Tất cả issue của huggingface/paperswithcode-feedback

Issue tương tự

Thêm issue về Machine Learning

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.