huggingface/ml-intern

解决的问题

ML Intern 是一个专为处理机器学习代码研究、编写和发布全流程而设计的自主代理。它消除了手动浏览文档、搜索论文以及管理机器学习开发所需云计算资源的繁琐工作。

工作原理

该项目使用一个代理循环（最多300次迭代），通过 LiteLLM 与多种大语言模型集成。它采用 ToolRouter 来访问广泛的功能，包括 Hugging Face 文档、研究论文、数据集和 GitHub 代码搜索。该代理可在两种环境中运行：用于编辑检出文件的本地文件系统，或用于远程测试和请求 GPU 硬件的 Hugging Face Space沙箱。

适用人群

专为希望自动化实现机器学习工作流（如模型微调或训练脚本测试）的机器学习工程师和研究人员设计，同时充分利用 Hugging Face 生态系统。

主要亮点

• 深度生态系统集成：可直接访问 HF 文档、论文、数据集和云计算资源。
• 灵活的模型支持：支持通过 Ollama、vLLM、LM Studio 和 llama.cpp 使用托管推理服务或本地模型。
• 沙箱执行：可在支持 GPU 的私有 HF Space 沙箱中创建并测试代码。
• 可追溯性：自动将会话追踪上传至私有 Hugging Face 数据集，便于浏览和工具调用分析。
• 死循环检测：内置机制可检测重复的工具调用模式，并注入纠正性提示，防止代理陷入停滞。