Дай на агента си умения

Добавяйте и управлявайте резултати от оценки в картите на моделите в Hugging Face. Поддържа извличане на таблици за оценка от съдържанието на README, импортиране на резултати от Artificial Analysis API и стартиране на персонализирани оценки на модели с vLLM/lighteval. Работи с метаданни във формат model-index.

Използвайте това умение, когато потребителите искат да изпълняват работни натоварвания в инфраструктурата на Hugging Face Jobs. Обхваща UV скриптове, Docker-базирани задачи, избор на хардуер, оценка на разходите, удостоверяване с токени, управление на тайни, конфигуриране на времеви лимит и запазване на резултатите. Предназначено е за общи изчислителни задачи, включително обработка на данни, инференция, експерименти, пакетни задачи и всякакви задачи, базирани на Python. Използвайте го за задачи, включващи облачни изчисления, GPU натоварвания или когато потребителите споменават изпълнение на задачи в инфраструктурата на Hugging Face без локална настройка.

Използвайте това умение, когато потребителите искат да обучават или фино настройват езикови модели с помощта на TRL (Transformer Reinforcement Learning) в инфраструктурата на Hugging Face Jobs. Обхваща методи за обучение SFT, DPO, GRPO и моделиране на награди, плюс GGUF конверсия за локално разгръщане. Включва насоки за пакета TRL Jobs, UV скриптове с формат PEP 723, подготовка и валидиране на набори от данни, избор на хардуер, оценка на разходите, мониторинг с Trackio, удостоверяване в Hub и запазване на модели. Използвайте го за задачи, включващи облачно GPU обучение, GGUF конверсия или когато потребителите споменават обучение в Hugging Face.

Търсете и четете страници с научни статии в Hugging Face в markdown формат и използвайте API за статии за структурирани метаданни като автори, свързани модели/набори от данни/пространства, GitHub хранилище и страница на проекта. Използвайте, когато потребителят споделя URL адрес на страница с научна статия от Hugging Face, URL адрес или ID на arXiv, или моли да обобщите, обясните или анализирате изследователска статия за AI.

Публикувайте и управлявайте научни статии в Hugging Face Hub. Поддържа създаване на страници за статии, свързване на статии с модели/набори от данни, заявяване на авторство и генериране на професионални изследователски статии, базирани на markdown.

Използвайте това умение, когато потребителят иска да създаде инструменти/скриптове или да изпълни задача, при която използването на данни от Hugging Face API би било полезно. Това е особено полезно при свързване или комбиниране на API извиквания или когато задачата ще бъде повтаряна/автоматизирана. Това умение създава скрипт за многократна употреба за извличане, обогатяване или обработка на данни.

Проследявайте и визуализирайте експерименти за ML обучение с Trackio. Използвайте при регистриране на метрики по време на обучение (Python API), задействане на сигнали за диагностика на обучението или извличане/анализиране на регистрирани метрики (CLI). Поддържа визуализация на табло за управление в реално време, сигнали с уебкуки, синхронизиране с HF Space и JSON изход за автоматизация.

Обучава и фино настройва визуални модели за откриване на обекти (D-FINE, RT-DETR v2, DETR, YOLOS), класификация на изображения (timm модели — MobileNetV3, MobileViT, ResNet, ViT/DINOv3 — плюс всеки Transformers класификатор) и SAM/SAM2 сегментация, използвайки Hugging Face Transformers на облачни GPU на Hugging Face Jobs. Обхваща подготовка на набори от данни във формат COCO, аугментация с Albumentations, оценка на mAP/mAR, метрики за точност, SAM сегментация с bbox/point подкани, DiceCE загуба, избор на хардуер, оценка на разходите, мониторинг с Trackio и запазване в Hub. Използвайте, когато потребителите споменават обучение за откриване на обекти, класификация на изображения.