如何复现行为
当 span_key 在 [components.spancat_singlelabel] 或 [components.spancat] 部分中不是 "sc" 时，训练输出如下：

ℹ Pipeline: ['sentencizer', 'tok2vec', 'spancat_singlelabel']
ℹ Set annotations on update for: ['sentencizer']
ℹ Initial learn rate: 0.001

E    #       LOSS TOK2VEC  LOSS SPANC...  SENTS_F  SENTS_P  SENTS_R  SPANS_SC_F  SPANS_SC_P  SPANS_SC_R  SCORE
---  ------  ------------  -------------  -------  -------  -------  ----------  ----------  ----------  ------
  0       0          0.00          19.33   100.00   100.00   100.00        0.00        0.00        0.00    0.50
  0     200          5.46         409.10   100.00   100.00   100.00        0.00        0.00        0.00    0.50
  0     400         10.51          96.83   100.00   100.00   100.00        0.00        0.00        0.00    0.50
  0     600         10.37          77.10   100.00   100.00   100.00        0.00        0.00        0.00    0.50
  0     800          8.99          99.86   100.00   100.00   100.00        0.00        0.00        0.00    0.50
  0    1000          9.52         100.14   100.00   100.00   100.00        0.00        0.00        0.00    0.50
  0    1200          6.18          62.30   100.00   100.00   100.00        0.00        0.00        0.00    0.50

我以为我疯了 :)
这似乎是评估步骤中的一个bug,我没有进一步调查，抱歉。
其他部分似乎都能正常工作：

python -m spacy debug data config.cfg

对非"sc"值感到满意。
此外，标签从训练数据集中获取并在 meta.json 中正确显示。
在我将 span_key 改回默认的 "sc" 后，我得到了这个：

E    #       LOSS TOK2VEC  LOSS SPANC...  SENTS_F  SENTS_P  SENTS_R  SPANS_SC_F  SPANS_SC_P  SPANS_SC_R  SCORE
---  ------  ------------  -------------  -------  -------  -------  ----------  ----------  ----------  ------
  0       0          0.00          19.33   100.00   100.00   100.00       96.81       96.81       96.81    0.98
  0     200          6.64         421.19   100.00   100.00   100.00       99.32       99.32       99.32    1.00
  0     400          8.43          82.30   100.00   100.00   100.00       99.43       99.43       99.43    1.00
  0     600          9.34          71.43   100.00   100.00   100.00       99.45       99.45       99.45    1.00
  0     800          9.28         107.05   100.00   100.00   100.00       99.59       99.59       99.59    1.00
  0    1000          8.78          89.08   100.00   100.00   100.00       98.95       98.95       98.95    0.99

另外，不确定为什么句子指标会出现——我正在使用不可训练的简单分词器。这并不重要，显然。

您的环境

• spaCy版本： 3.6.1
• 平台： macOS-12.4-x86_64-i386-64bit
• Python版本： 3.10.11
• Pipelines: en_core_web_sm (3.6.0)