huggingface/ml-intern

해결하는 문제

ML Intern은 기계학습 코드의 연구, 작성, 배포 전 과정을 자율적으로 처리하도록 설계된 에이전트입니다. 문서 탐색, 논문 검색, ML 개발을 위한 클라우드 컴퓨팅 관리와 같은 수작업을 제거합니다.

작동 방식

이 프로젝트는 LiteLLM을 통해 다양한 LLM과 통합되는 에이전트 루프(최대 300회 반복)를 사용합니다. ToolRouter를 활용해 Hugging Face 문서, 연구 논문, 데이터셋, GitHub 코드 검색 등 다양한 기능에 접근할 수 있습니다. 에이전트는 로컬 파일 시스템(체크아웃된 파일 편집용) 또는 Hugging Face Space 사전 환경(원격 테스트 및 GPU 하드웨어 요청용)에서 작동할 수 있습니다.

대상 사용자

Hugging Face 에코시스템을 활용하면서 모델 파인튜닝이나 학습 스크립트 테스트와 같은 ML 워크플로우의 구현을 자동화하고 싶은 ML 엔지니어 및 연구자에게 적합합니다.

주요 특징

• 에코시스템 깊은 통합: HF 문서, 논문, 데이터셋, 클라우드 컴퓨팅에 직접 접근 가능.
• 유연한 모델 지원: Ollama, vLLM, LM Studio, llama.cpp를 통해 호스팅된 추론 제공자 또는 로컬 모델과 호환.
• 사전 실행 환경: GPU 지원이 가능한 개인용 HF Space 사전에서 코드를 생성하고 테스트할 수 있음.
• 추적 가능성: 세션 트레이스를 자동으로 개인용 Hugging Face 데이터셋에 업로드하여 쉽게 브라우징하고 도구 호출 분석 가능.
• 도움말 루프 탐지: 반복적인 도구 패턴을 감지하고 수정 프롬프트를 삽입하여 에이전트가 멈추는 것을 방지하는 내장 메커니즘.