Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-17 19:39 UTC

huggingface / setfit

Efficient few-shot learning with Sentence Transformers

Jupyter Notebook · PythonApache-2.0★ 2 807 зірок⑂ 267 форківз черв. 2022 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#few-shot-learning#nlp#sentence-transformers

huggingface/setfit має індекс здоров’я 80 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Engineering Quality (84/100), найнижчий — Security (46/100). Останнє оновлення було 8 днів тому. Більшість нещодавньої роботи виконують 2 учасники.

80
загалом / 100
Відмінний

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»).

80
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 68 калібровано до 80 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Hugging FaceОрганізація · підтверджений домен
68 529 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
PyPIsetfit1.2.0-2013 днів томуnlpmachine-learningfewshot-learningtransformers

Метрики за категоріями

Життєздатність

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

61Помірний · 21% загального індексу

Активність розробки

46Слабкий
Як обчислюється оцінка
28.8/36Свіжість push — останній push 8 дн. тому
2.8/36Ритм комітів — 4/52 тижнів із комітами
9.7/18Обсяг комітів — 11 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year11
human_commit_share0,98
days_since_last_push8
active_weeks_last_year4

Дисципліна релізів

84Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 18 релізів
36/36Свіжість релізів — останній реліз 13 дн. тому
12.6/27Ритм релізів — реліз кожні ~137,7 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count18
latest_release_tagv1.2.0
releases_from_tagsні
days_since_latest_release13
mean_days_between_releases137,7

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 — 2 807 зірок
20.2/25Форки — 267 форків
7/15Спостерігачі — 19 спостерігачів
Використані вхідні дані
forks267
stars2 807
watchers19
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?

77Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

57Помірний
Як обчислюється оцінка
25.2/54Бас-фактор — на 2 контриб’ютор(ів) припадає половина всіх комітів
12.6/22.5Розподіл 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_share0,439

Реактивність на issue та PR

59Помірний
Як обчислюється оцінка
25.1/42Вирішення issue — закрито 60% issue
25/30Прийняття PR — злито 235/282 вирішених PR
0/13Newcomer PR acceptance — злито 0/6 PR від новачків за 30 дн.
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs235
open_issues145
closed_issues215
prs_merged_7d0
prs_decided_7d0
prs_merged_30d4
prs_decided_30d11
issue_closed_ratio0,597
closed_unmerged_prs47
first_time_authors_30d3
first_time_prs_merged_30d0
first_time_prs_decided_30d6

Власність та опіка

100Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
20/20Верифікований домен
25/25Охоплення власника — 68 529 підписників у huggingface
25/25Послужний список — 467 публічних репозиторіїв, вік облікового запису ~9 р.
Використані вхідні дані
followers68 529
owner_typeOrganization
is_verifiedтак
owner_loginhuggingface
public_repos467
account_age_days3 504

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 13 дн. тому
20/20Історія версій — 20 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagessetfit
ecosystemspypi
any_deprecatedні
min_days_since_publish13

Інженерна якість

Чи наявні базові інженерні практики та документація?

84Відмінний · 19% загального індексу

Інженерні практики

80Відмінний
Як обчислюється оцінка
24/24Процеси CI — 6 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — setup.cfg ([flake8], [isort])
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_configтак
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?

46Слабкий · 16% загального індексу

Стан безпеки

33У зоні ризику
Як обчислюється оцінка
0/30Політика безпеки (SECURITY.md)
25/25Конфігурація 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_configтак
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_packages82
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@1.2.0 — тим, що тягне за собою встановлення опублікованого пакета, — 82 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.

58Помірний · 4% загального індексу

Контекст і настанови для агентів

28У зоні ризику
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
28.3/40Читабельна історія комітів — намір зазначено у 52 з 98 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,531
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

66Добрий
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — setup.cfg ([flake8], [isort])
0/11Статична перевірка типів
0/10Відтворюване середовище
0/10Підтверджена практика роботи з агентами — серед останніх 100 комітів немає створених агентом
8/8Автоматизоване супроводження — 1 з останніх 100 комітів — автоматичні оновлення залежностей
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_configтак
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,01

Читабельність коду для моделей

55Помірний
Як обчислюється оцінка
0/45Типізований код — Jupyter Notebook без конфігурації перевірки типів
55/55Керовані розміри файлів — 0/90 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languageJupyter Notebook
largest_source_bytes40 351
source_files_sampled90
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 807зірок GitHub
54контриб'юторів
11комітів за останні 12 місяців
8днів від останнього пушу
18релізів
2бас-фактор
145відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'setfit' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit); skipping Scorecard checks

Докладніше

Історія зірок і форків 0 ★ / 267 ⇿
0Зірки
267Форки
18Релізи

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.

05010015020025030026482022-092024-092026-09
Мажорні 1Мінорні 9Патчі 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@1.2.0 тягне 82 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 →

94vllm-project/speculatorsA unified library for building, evaluating, and storing speculative decoding algorithms for LLM inference in vLLMВинятковий100huggingface/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 scaleВинятковий98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsВинятковий98openvinotoolkit/nncfNeural Network Compression Framework for enhanced OpenVINO™ inferenceВинятковий98Unstructured-IO/unstructuredConvert documents to structured data effortlessly. Unstructured is open-source ETL solution for transforming complex documents into clean, structured formats for language models. Visit our website to learn more about our enterprise grade Platform product for production grade workflows, partitioning, enrichments, chunking and embedding.Винятковий

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 v0.34.0 — повна методологія · вікі метрик.

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