huggingface/ml-intern

解決する課題

ML Intern は、機械学習コードの研究、作成、リリースというエンドツーエンドのプロセスを自律的に処理するエージェントです。ドキュメントのナビゲーション、論文の検索、ML開発におけるクラウドコンピューティングの管理といった手作業を排除します。

動作方法

このプロジェクトは、LiteLLMを介してさまざまなLLMと統合するエージェントループ（最大300イテレーション）を使用しています。ToolRouter を用いて、Hugging Faceのドキュメント、研究論文、データセット、GitHubコード検索など、幅広い機能にアクセスします。エージェントは、チェックアウトしたファイルの編集に適したローカルファイルシステム、またはリモートでのテストとGPUハードウェアリクエストに適したHugging Face Spaceサンドボックスの2つの環境で動作できます。

対象ユーザー

Hugging Faceエコシステムを活用しながら、モデルのファインチューニングやトレーニングスクリプトのテストなどのMLワークフローの実装を自動化したいMLエンジニアや研究者向けに構築されています。

主な特徴

• エコシステムとの深いつながり: HFドキュメント、論文、データセット、クラウドコンピューティングへの直接アクセス。
• 柔軟なモデル対応: Ollama、vLLM、LM Studio、llama.cpp を介してホストされた推論プロバイダーまたはローカルモデルに対応。
• サンドボックス実行: GPUサポート付きのプライベートHF Spaceサンドボックスでコードの作成とテストが可能。
• トレーサビリティ: セッショントレースを自動でプライベートHugging Faceデータセットにアップロードし、簡単に閲覧およびツールコール分析が可能。
• ドゥームループ検出: 繰り返しのツールパターンを検出する仕組みを内蔵し、エージェントがハマるのを防ぐために修正プロンプトを注入。