Über Potato
Eine leichtgewichtige, konfigurationsorientierte Annotationsplattform, entwickelt an der University of Michigan.
Unsere Mission
Wir glauben, dass Annotationswerkzeuge für alle zugänglich sein sollten, nicht nur für Teams mit dedizierten Engineering-Ressourcen. Potato wurde entwickelt, damit Forschende in wenigen Minuten von null zum Annotieren gelangen können — mit einfachen YAML-Konfigurationsdateien.
Unser Ziel ist es, die Datenannotation zu demokratisieren, indem wir eine leistungsstarke, flexible und benutzerfreundliche Plattform bereitstellen, die alles unterstützt — von einfachen Klassifikationsaufgaben bis hin zu komplexen Multimedia-Annotationen mit KI-Unterstützung.
Das Team
Geschichte
EMNLP Demo
Potato wurde als Systemdemonstration auf der EMNLP 2022 vorgestellt.
Wachsende Community
Erweiterung der Funktionen basierend auf Community-Feedback. Unterstützung für aktives Lernen hinzugefügt.
KI-Integration
LLM-Unterstützung mit OpenAI-, Claude- und Gemini-Integration hinzugefügt.
Version 2.0
Hauptversion mit Multimedia-Annotation, aktivem Lernen und verbesserter Benutzeroberfläche.
Version 2.6
QDA-Modus für qualitatives Codieren (lebendes Codebuch, Memos, Cases, Volltextsuche), LLM-as-Judge-Kalibrierung und Abgleich zwischen Judge und Mensch, Trajektorien-Editing zur Erzeugung von SFT- und DPO-Trainingsdaten sowie die eval_trace-Anzeige. Neu lizenziert unter GPL-3.0-or-later. Potato 2.0 wurde auf der ACL 2026 (System Demonstrations) veröffentlicht.
EMNLP Demo
Potato wurde als Systemdemonstration auf der EMNLP 2022 vorgestellt.
Wachsende Community
Erweiterung der Funktionen basierend auf Community-Feedback. Unterstützung für aktives Lernen hinzugefügt.
KI-Integration
LLM-Unterstützung mit OpenAI-, Claude- und Gemini-Integration hinzugefügt.
Version 2.0
Hauptversion mit Multimedia-Annotation, aktivem Lernen und verbesserter Benutzeroberfläche.
Version 2.6
QDA-Modus für qualitatives Codieren (lebendes Codebuch, Memos, Cases, Volltextsuche), LLM-as-Judge-Kalibrierung und Abgleich zwischen Judge und Mensch, Trajektorien-Editing zur Erzeugung von SFT- und DPO-Trainingsdaten sowie die eval_trace-Anzeige. Neu lizenziert unter GPL-3.0-or-later. Potato 2.0 wurde auf der ACL 2026 (System Demonstrations) veröffentlicht.
Zitation
Potato in Ihrer Forschung zitieren
Offizielle Zitation
@inproceedings{jurgens-etal-2026-potato,
title = "Potato 2.0: A Comprehensive Annotation Platform with {AI}-in-the-Loop Support",
author = "Jurgens, David and Chen, Michael and Iyer, Lina",
booktitle = "Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 3: System Demonstrations)",
month = jul,
year = "2026",
address = "San Diego, California, United States",
publisher = "Association for Computational Linguistics",
pages = "374--386",
url = "https://aclanthology.org/2026.acl-demo.37/",
}Verwandte Publikationen
Aufbau und Funktionen von Potato sind in diesen begutachteten Veröffentlichungen dokumentiert:
- Potato 2.0: A Comprehensive Annotation Platform with AI-in-the-Loop SupportACL 2026 (Volume 3: System Demonstrations)
- Potato: The Portable Text Annotation ToolEMNLP 2022 (System Demonstrations)
Auszeichnung: Best Demo Award, HCOMP 2024.
Lizenz
Potato ist freie, quelloffene Software, veröffentlicht unter der GNU General Public License v3.0 (oder später). Sie können sie nutzen, verändern und weitergeben, auch kommerziell, solange abgeleitete Werke unter der GPL bleiben.
Fragen zur Bereitstellung von Potato oder zum Mitwirken? Kontaktieren Sie uns.
Team kontaktieren