A Anthropic sem datasets: o zero falso do Hugging Face
· Por Lucian Fialho
O mapa mostrava a Anthropic sem nenhum dataset. O erro era nosso, afetava 122 organizações e ensinou uma regra: zero também precisa de prova.
O perfil da Anthropic no paper7 dizia que ela não tinha datasets publicados. Tem. O erro apareceu numa conferência de rotina, olhando a página ao lado do perfil dela no Hugging Face.
O que aconteceu
A API do Hugging Face tem dois comportamentos para o nome de uma conta. A consulta de perfil aceita anthropic e Anthropic como a mesma coisa. A listagem de modelos e datasets por autor diferencia maiúsculas de minúsculas: anthropic devolve uma lista vazia, sem erro.
O mapa guardava o nome em minúsculas. O perfil respondia normalmente, a listagem vinha vazia, e o coletor gravava "zero modelos, zero datasets" como fato.
A correção
Duas mudanças no coletor:
- usar o nome da conta do jeito que o próprio Hugging Face escreve, lido do perfil;
- não gravar zero quando o perfil diz que a conta tem itens. Nesse caso a coleta é tratada como falha, e o que já se sabia fica como está.
Depois recoletamos as 122 organizações que estavam zeradas. Dez ganharam itens: a Anthropic apareceu com 15 datasets e a Intel com 265 modelos, entre outras.
O que ficou em aberto
As outras 112 continuaram com zero. Não conferimos uma a uma, então parte delas pode estar certa (conta sem nada publicado) e parte pode ter outro problema que ainda não vimos.
A regra que ficou
Um zero é uma afirmação como qualquer outra. Lista vazia sem erro não prova que não existe nada; só prova que a consulta não devolveu nada. Onde der para cruzar com uma segunda leitura, o coletor cruza antes de gravar.