Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.31.0 · метрики 2.10.0 · 2026-08-13 01:01 UTC

huggingface / setfit

Efficient few-shot learning with Sentence Transformers

Jupyter Notebook · PythonApache-2.0★ 2 778 зірок⑂ 261 форкз черв. 2022 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#few-shot-learning#nlp#sentence-transformers

huggingface/setfit має індекс здоров’я 60 зі 100, що відповідає смузі «Помірний». Найвищий показник — Sustainability & Governance (75/100), найнижчий — Security (21/100). Останнє оновлення було 78 днів тому. Більшість нещодавньої роботи виконують 2 учасники.

60
загалом / 100
Помірний

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

60
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 57 калібровано до 60 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Hugging FaceОрганізація
67 016 підписників467 публічних репозиторіївз лют. 2017 р.

За цим репозиторієм стоїть організація — спільна, підзвітна опіка, здатна пережити будь-якого окремого мейнтейнера.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIsetfit1.1.3-19372 дні томуnlpmachine-learningfewshot-learningtransformers

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

42Слабкий · 21% загального індексу

Активність розробки

30У зоні ризику
Як обчислюється оцінка
18/36Свіжість push — останній push 78 дн. тому
2.1/36Ритм комітів — 3/52 тижнів із комітами
7/18Обсяг комітів — 5 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year5
human_commit_share1
days_since_last_push78
active_weeks_last_year3

Дисципліна релізів

60Помірний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 17 релізів
7.2/36Свіжість релізів — останній реліз 372 дн. тому
19.8/27Ритм релізів — реліз кожні ~101 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count17
latest_release_tagv1.1.3
releases_from_tagsні
days_since_latest_release372
mean_days_between_releases101

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

68Добрий · 17% загального індексу

Популярність і впровадження

83Відмінний
Як обчислюється оцінка
55.9/60Зірки — 2 778 зірок
20.1/25Форки — 261 форків
7.1/15Спостерігачі — 20 спостерігачів
Використані вхідні дані
forks261
stars2 778
watchers20
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

50Помірний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
0/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges0
has_contributingні
has_issue_templateні
has_code_of_conductні
readme_badge_services—
has_pull_request_templateні

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

75Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

57Помірний
Як обчислюється оцінка
25.2/54Бас-фактор — на 2 контриб’ютор(ів) припадає половина всіх комітів
12.7/22.5Розподіл комітів — головний контриб’ютор — автор 44% комітів
13.5/13.5Широта контриб’юторів — 54 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor2
contributors_sampled54
top_contributor_share0,435

Реактивність на issue та PR

69Добрий
Як обчислюється оцінка
24.5/42Вирішення issue — закрито 58% issue
25.5/30Прийняття PR — злито 229/269 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs229
open_issues150
closed_issues210
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,583
closed_unmerged_prs40
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Виключено з оцінювання (немає даних або не застосовно): Newcomer PR acceptance. Залишкові ваги перенормовано.

Власність та опіка

100Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен — статус підтвердженого домену для цієї організації не зчитано
25/25Охоплення власника — 67 016 підписників у huggingface
25/25Послужний список — 467 публічних репозиторіїв, вік облікового запису ~9 р.
Використані вхідні дані
followers67 016
owner_typeOrganization
is_verified—
owner_loginhuggingface
public_repos467
account_age_days3 468
Виключено з оцінювання (немає даних або не застосовно): Верифікований домен. Залишкові ваги перенормовано.

Супровід пакетів

79Добрий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
14/35Свіжість публікацій — остання публікація 372 дн. тому
20/20Історія версій — 19 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagessetfit
ecosystemspypi
any_deprecatedні
min_days_since_publish372

Інженерна якість

Чи наявні базові інженерні практики та документація?

72Добрий · 19% загального індексу

Інженерні практики

60Помірний
Як обчислюється оцінка
24/24Процеси CI — 6 процес(ів) CI
24/24Наявні тести
0/16Конфігурація лінтера
0/9.6Pre-commit-хуки
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — немає даних
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configні
has_precommit_configні

Документація

90Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://hf.co/docs/setfit
10/10Опис репозиторію
10/10Теми — 3 тем
0/10Wiki
Використані вхідні дані
topicsfew-shot-learning, nlp, sentence-transformers
has_wikiні
homepagehttps://hf.co/docs/setfit
docs_sitehttps://hf.co/docs/setfit
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

21У зоні ризику · 16% загального індексу

Стан безпеки

1Критичний
Як обчислюється оцінка
0/30Політика безпеки (SECURITY.md)
0/25Конфігурація Dependabot
0/25Файли фіксації залежностей — опублікована бібліотека — lockfile є справою застосунків, не очікується
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestssetup.cfg, setup.py
has_codeql_workflowні
has_security_policyні
has_dependabot_configні
Виключено з оцінювання (немає даних або не застосовно): Файли фіксації залежностей. Залишкові ваги перенормовано.

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
25/25Непрямі залежності без відомих сповіщень — жодна непряма залежність не має відомих сповіщень
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages56
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено з runtime-замиканням залежностей pypi:setfit@1.1.3 — тим, що тягне за собою встановлення опублікованого пакета, — 56 пакетів. Досяжність не аналізується.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

49Слабкий · 4% загального індексу

Контекст і настанови для агентів

26У зоні ризику
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
25.6/40Читабельна історія комітів — намір зазначено у 48 з 100 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,48
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

44Слабкий
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile
22/22Автоматизовані тести
0/11Конфігурація лінтера / форматера
0/11Статична перевірка типів
0/10Відтворюване середовище
0/10Підтверджена практика роботи з агентами — серед останніх 100 комітів немає створених агентом
0/8Автоматизоване супроводження — автоматичних оновлень залежностей не виявлено
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileні
typed_languageні
bootstrap_filesMakefile
has_devcontainerні
has_linter_configні
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

55Помірний
Як обчислюється оцінка
0/45Типізований код — Jupyter Notebook без конфігурації перевірки типів
55/55Керовані розміри файлів — 0/89 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languageJupyter Notebook
largest_source_bytes40 383
source_files_sampled89
oversized_source_files0

Машиночитні інтерфейси

100Винятковий
Як обчислюється оцінка
0/40Схема API (OpenAPI/GraphQL/proto) — не застосовно до цього типу програмного забезпечення
0/20Сервер MCP — не застосовно до цього типу програмного забезпечення
40/40Придатні до запуску приклади — notebooks
Використані вхідні дані
example_dirsnotebooks
has_mcp_signalні
api_schema_files—
interfaces_expected_of—
Виключено з оцінювання (немає даних або не застосовно): Схема API (OpenAPI/GraphQL/proto), Сервер MCP. Залишкові ваги перенормовано.

Ключові факти

2 778зірок GitHub
54контриб'юторів
5комітів за останні 12 місяців
78днів від останнього пушу
17релізів
2бас-фактор
150відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard did not return a usable result (exit code -9); skipping Scorecard checks

Докладніше

Історія зірок і форків 0 ★ / 261 ⇿
0Зірки
261Форки
17Релізи

Коли додано кожну зірку й форк — зібрано з GitHub і згруповано за днями. Кумулятивне зростання розміщено просто над денними додаваннями, з яких воно складається, тож їх видно одне проти одного: рівномірне органічне накопичення виглядає зовсім інакше, ніж різкий короткочасний сплеск. Там, де цю різницю можна виміряти, її подано як автентичність росту.

05010015020025030025882022-092024-082026-07
Мажорні 1Мінорні 8Патчі 8

Кожна точка охоплює 4 днів.

Усі залежності 30

Повний розв'язаний набір залежностей із графа залежностей GitHub: 0 прямих і 30 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIcrcmod—непряма
PyPIdatasets—непряма
PyPIdatasets1.18.2непряма
PyPIdatasets2.0.0непряма
PyPIdeepspeed0.5.10непряма
PyPIevaluate—непряма
PyPIevaluate0.1.2непряма
PyPIhuggingface-hub—непряма
PyPIipdb—непряма
PyPIjsonpickle1.1непряма
PyPInumpy1.19непряма
PyPIpackaging—непряма
PyPIpandas1.1.5непряма
PyPIpsutil5.9.0непряма
PyPIpytorch-lightning1.5.8непряма
PyPIscikit-learn—непряма
PyPIscikit-learn0.23.1непряма
PyPIscipy—непряма
PyPIsentence-transformers—непряма
PyPIsentencepiece0.1.96непряма
PyPItorch1.11непряма
PyPItorch1.12.0+cu113непряма
PyPItorch1.5.0непряма
PyPItorchmetrics0.6.2непряма
PyPItorchvision0.6.0непряма
PyPItqdm4.62.1непряма
PyPItransformers—непряма
PyPItransformers4.15.0непряма
PyPItransformers4.20.0непряма
PyPItyper—непряма
Сповіщення про залежності 0

Встановлення pypi:setfit@1.1.3 тягне 56 пакетів, прямих і транзитивних: 0 мають відомі сповіщення, з них 0 — прямі залежності.

Жодне відоме сповіщення не стосується оцінених залежностей.

Сповіщення означає, що версія, записана в графі залежностей, потрапляє в уражений діапазон. Досяжність не аналізується, а граф містить піниї розробки й тестування — знахідка може стосуватися інструментів, а не поставленого коду.

Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з huggingface/setfit. Читати поруч →

89MinishLab/model2vecFast State-of-the-Art Static EmbeddingsВідмінний99openvinotoolkit/nncfNeural Network Compression Framework for enhanced OpenVINO™ inferenceВинятковий99huggingface/transformers🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. Винятковий98NVIDIA/Megatron-LMOngoing research training transformer models at scaleВинятковий98data-privacy-stack/presidioAn open-source framework for detecting, redacting, masking, and anonymizing sensitive data (PII) across text, images, and structured data. Supports NLP, pattern matching, and customizable pipelines.Винятковий98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsВинятковий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.31.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.