Hugging Face добавила в HuggingChat AI‑агента ML Intern для задач, связанных с машинным обучением. В компании его описывают как автономного ML‑инженера: пользователь формулирует задачу на естественном языке, а агент изучает документацию, подбирает данные и модели, генерирует код, запускает вычисления и сохраняет полученные артефакты.
В системных инструкциях ML Intern закреплён принцип research first. Перед решением любой задачи машинного обучения агент должен изучить необходимые статьи, публикации и документацию. Например, при дообучении моделей он сперва проверяет формат датасета, архитектуру модели и совместимость библиотек. Перед ресурсоёмким и дорогим заданием на GPU предусмотрен тестовый запуск, с помощью которого агент ищет ошибки в коде и зависимостях.
За выполнением задачи следит агентный цикл. Модель выбирает инструмент, анализирует результат и продолжает работу, пока не получит итог или не столкнётся с ограничением. Для выполнения задач в ML Intern есть инструменты для поиска по научным статьям, репозиториям на GitHub, документации на Hugging Face, изучения датасетов и запуска облачных вычислений в песочнице. Архитектура агента позволяет использовать до 300 интеграций за один запуск. Кроме того, есть система обнаружения повторяющиеся последовательности действий, в которых агент не продвигается к результату.
Результатом работы агента может быть репозиторий модели или датасета, запущенный Hugging Face Job, опубликованное демонстрационное приложение в Spaces и собранная панель Trackio с метриками обучения.
По умолчанию ML Intern работает на базе GLM-5.2 через провайдера Novita. При этом пользователи могут выбрать любую другую модель, доступную через Hugging Face Inference Providers, включая GPT, Claude, Kimi, MiniMax, GLM и DeepSeek. Локальную версию можно подключить к совместимому с OpenAI API серверу: Ollama, vLLM, LM Studio или llama.cpp.
Для интеграции агента в сторонние приложения есть бета‑версия API. Она частично совместима с OpenAI Responses API.
Исходный код Hugging Face ML Intern опубликован на GitHub по лицензии Apache 2.0.
Автор: daniilshat
