Hugging Face的ml-intern agent自动化ML训练流程，性能超越Codex

很喜欢Aksel和Hugging Face后训练团队的这项工作！

原来HF生态（通过CLI、技能和md文件访问的论文、数据集、模型）非常适合运行SOTA ML agent：能够训练任意类型AI模型达到顶尖性能的agent。

几个具体运行示例：
科学推理：agent从基准论文中提取引用，拉取OpenScience和NemoTron-CrossThink，添加ARC/SciQ/MMLU中7个难度过滤变体，在Qwen3-1.7B上运行12次SFT消融实验。GPQA在10小时内从10%提升到32%。相同提示下Claude Code最好成绩为22.99%。
HealthBench：它判断现有数据集噪声太大（！），生成1100个涵盖紧急情况、对冲和多语言场景的合成样本，50倍上采样，比Codex高出60%（需注意过拟合问题）
竞技数学：编写完整的GRPO脚本，在HF Spaces上启动A100，观察奖励先升后降，运行消融实验直到找到稳定方案。

而且这个工具箱非常小巧简洁。几条最佳实践和几个指向生态中现有工具的技能：用于阅读的arxiv和http://hf.co/papers，用于数据集和模型的Hub，用于计算的HF Jobs，用于指标的Trackio。

个人最喜欢的是“研究技能”，它解释了如何进行领域的SOTA调研（见https://github.com/huggingface/ml-intern/blob/main/agent/tools/research_tool.py…），结合一个简单的提示（基本上是“第一步：搜索HF生态找到最佳方案”，见https://github.com/huggingface/ml-intern/blob/main/agent/prompts/system_prompt.yaml#L14…），效果非常强大。

另一方面：当如此简单的设置能直接在HealthBench上比原始Codex高出60%时，为新基准设定好的基线变得越来越困难。

如果你在训练AI模型，不妨一试。我们为最快速的你们准备了1000美元的GPU资源和Anthropic信用额度。

链接：
Github (CLI): https://github.com/huggingface/ml-internWeb…
Spaces (移动端): https://huggingface.co/spaces/smolagents/ml-intern…