huggingface/ml-intern

解決的問題

ML Intern 是一個專為處理機器學習程式碼研究、撰寫與發佈全流程而設計的自主代理。它消除了手動瀏覽文件、搜尋論文以及管理機器學習開發所需雲端運算資源的繁瑣工作。

工作原理

本專案使用一個代理迴圈（最多 300 次迭代），透過 LiteLLM 與多種大語言模型整合。它採用 ToolRouter 來存取廣泛的功能，包括 Hugging Face 文件、研究論文、資料集與 GitHub 程式碼搜尋。該代理可在兩種環境中運作：用於編輯檢出檔案的本地檔案系統，或用於遠端測試與請求 GPU 硬體的 Hugging Face Space 沙箱。

適用對象

專為希望自動化實現機器學習工作流程（如模型微調或訓練腳本測試）的機器學習工程師與研究人員設計，同時充分利用 Hugging Face 生態系統。

主要亮點

• 深度生態系統整合：可直接存取 HF 文件、論文、資料集與雲端運算資源。
• 彈性模型支援：支援透過 Ollama、vLLM、LM Studio 和 llama.cpp 使用託管推理服務或本機模型。
• 沙箱執行：可在支援 GPU 的私人 HF Space 沙箱中建立並測試程式碼。
• 可追溯性：自動將會話追蹤上傳至私人 Hugging Face 資料集，便於瀏覽與工具呼叫分析。
• 死循環偵測：內建機制可偵測重複的工具調用模式，並注入修正提示，防止代理陷入停滯。