用 ML Intern 定制小模型：六个项目的实践记录

2026 年 10 月 8 日，Hugging Face 博客发布作者 yuvraj sharma 与 Abubakar Abid 的实践记录：作者在 HuggingChat 中启用 ML-intern 模式，通过对话让代理规划、训练、评估并发布模型，几天内做出六个项目。

代理工作方式 每个任务从一条提示开始。代理会先询问预算再花钱，正式训练前先跑小规模测试，之后训练、评估并在 Hugging Face 硬件上发布。代理初始预算为零，需用户授权才能执行付费任务。作者建议提示词中明确数据集、基础模型、训练脚本，列出已核实事实，要求训练前报告基础模型基线分数，并设置带检查的冒烟测试（如 50 步后确认权重确实变化）和总花费上限。

项目与结果

• 柑橘病害 VLM：用 3,017 张标注图微调 Qwen3.5-2B，335 张测试图上准确率从基础模型 14.9% 提升到 52.8%，单张 A10G 两个 epoch，约 1.90 美元。
• Huggy LoRA：基于 FLUX.2 klein base 4B，84 张标注图训练；第 200 步首次完全还原角色，500 步后风格开始渗入无关提示；约 7.60 美元。
• 视角环绕 LoRA：基于 Qwen-Image 2.1，用 1,030 个扫描物体各 24 角度生成 24,722 张透明图，1,844 训练对、23 条相机指令，单张 A100 约 90 分钟、约 3.75 美元，项目总计约 16 美元。
• Doodle-in LoRA：自建数据（Open Images 照片、LaMa 去除物体、画涂鸦），6,042 训练对；配合 Viggle turbo LoRA 在 6 步时，67.5% 的对象被检测到绘制位置，每次编辑 4.7 秒，未见类别 65.0%、其余 64.2%；总计约 24 美元。
• Pocket Rewriter 学生模型：9B 教师为 8,797 条请求重写，筛出 1,840 条训练；0.8B 与 2B 学生模型训练分别 12 与 18 分钟，0.8B 另提供 812 MB GGUF 供 CPU 运行；总计约 16 美元。
• Agate 4 步蒸馏：把 260M 参数、50 步的 Agate Preview 002 蒸馏到 4 步；两次训练后 GenEval 从 0.509 升到 0.536，教师 50 步为 0.563，并导出 ONNX 供浏览器运行；两次合计约 37 美元。

六个项目合计计算费用约 103 美元，均为各会话报告的 GPU/CPU 作业费用。