Hugging Face ML Intern, sohbetten altı özel modele uzanan iş akışını gösterdi

Neler değişiyor?

Hugging Face, ML Intern ile birkaç gün içinde üretilen altı özel modelin sonuçlarını paylaştı. HuggingChat içindeki mod, kullanıcının hedefini aldıktan sonra işi planlıyor, harcama öncesi bütçe istiyor, küçük bir deneme çalıştırıyor; ardından eğitimi, değerlendirmeyi ve Hub yayımını yürütüyor.

Örnekler, yalnızca tek bir model türüne odaklanmıyor. Narenciye hastalıklarını tanıyan Qwen3.5-2B uyarlaması 335 test görselinde yüzde 14,9'dan yüzde 52,8'e çıktı ve yaklaşık 1,90 dolara eğitildi. Qwen-Image 2.1 için geliştirilen Doodle-in LoRA ise işaretlenen nesnelerin yüzde 67,5'ini doğru konuma yerleştirirken düzenleme başına 4,7 saniye bildirdi.

Ekip ayrıca 9 milyar parametreli bir istem yeniden yazıcısından CPU'da çalışan 0,8 milyar parametreli bir öğrenci model ve tarayıcıda çalışan dört adımlı Agate modeli üretti. Altı projenin bildirilen toplam GPU ve CPU iş maliyeti yaklaşık 103 dolar oldu. Model kartları ve canlı Hugging Face Spaces demoları yayımlandı.

Hugging Face, iyi sonuç için ayrıntılı görev tanımı, eğitim öncesi temel ölçüm, ağırlıkların gerçekten değiştiğini doğrulayan küçük test ve açık maliyet sınırı öneriyor. Bu noktalar, aracın insan denetimini kaldırmadığını; deneyi tekrarlanabilir ve bütçesi görünür hâle getirdiğini gösteriyor.