Hugging Faceスキル

HuggingFaceルーターからchat-ui設定に新しいモデルの説明を追加します。ルーター上で新しいモデルがリリースされ、説明が必要な場合に使用します…

ty、make typing、またはmake check-repoで検出された壊れた型チェックを修正します。ローカル実行、CI、またはPRログで型エラーが表示された場合に使用します。

NVIDIA GPU（H100、A100、T4）向けに最適化されたCUDAカーネルの作成とベンチマークに関するガイダンスを提供し、HuggingFace diffusersおよびtransformersを対象としています…

PythonでGradioのWeb UIやデモを構築します。Gradioアプリ、コンポーネント、イベントリスナー、レイアウト、チャットボットを作成・編集する際に使用します。

Hugging Face Hub CLI (`hf`) for downloading, uploading, and managing models, datasets, spaces, buckets, repos, papers, jobs, and more on the Hugging Face Hub.…

Hugging Face HubをMCPサーバーツール経由で利用します。モデル、データセット、Spaces、論文を検索できます。リポジトリの詳細を取得し、ドキュメントを取得し、計算ジョブを実行し、Gradioを使用します…

キャッシュされたPR JSONファイルからHugging Face Hub（huggingface_hub）のリリースノートを生成します。PRファイルからリリースノートの下書きを依頼された場合に使用します。

Execute Hugging Face Hub operations using the `hf` CLI. Use when the user needs to download models/datasets/spaces, upload files to Hub repositories, create repos, manage local cache, or run compute jobs on HF infrastructure. Covers authentication, file transfers, repository creation, cache operations, and cloud compute.

Hugging Face Hub上でデータセットを作成・管理します。リポジトリの初期化、設定やシステムプロンプトの定義、行のストリーミング更新、SQLベースのデータセットクエリや変換をサポートします。包括的なデータセットワークフローのためにHF MCPサーバーと連携して動作するよう設計されています。

Hugging Faceのモデルカードに評価結果を追加・管理します。READMEコンテンツからの評価テーブル抽出、Artificial Analysis APIからのスコアインポート、vLLM/lightevalを使用したカスタムモデル評価の実行をサポートします。model-indexメタデータ形式に対応しています。

Hugging Face Jobsのインフラ上で任意のワークロードを実行します。UVスクリプト、Dockerベースのジョブ、ハードウェア選択、コスト見積もり、トークンによる認証、シークレット管理、タイムアウト設定、結果の永続化に対応。データ処理、推論、実験、バッチジョブ、Pythonベースのタスクなど、汎用的なコンピュートワークロード向けに設計されています。

TRL（Transformer Reinforcement Learning）を使用して、Hugging Face Jobsインフラ上で言語モデルのトレーニングまたはファインチューニングを行います。SFT、DPO、GRPO、報酬モデリングのトレーニング手法、およびローカルデプロイ用のGGUF変換をカバーします。データセットの準備、ハードウェアの選択、コスト見積もり、モデルの永続化に関するガイダンスを含みます。

Hugging Face Hub上で研究論文を公開・管理します。論文ページの作成、論文とモデル/データセットのリンク、著者権の主張、プロフェッショナルなMarkdownベースの研究記事の生成をサポートします。

Hugging Face APIを使用して再利用可能なスクリプトやツールを構築します。APIコールの連鎖や組み合わせ、またはタスクの繰り返しや自動化に役立ちます。Hugging Face Hubからデータを取得、拡充、または処理するための再利用可能なコマンドラインスクリプトを作成します。

Trackioを使用してMLトレーニング実験の追跡と可視化を行います。トレーニング中のメトリクス記録（Python API）や、記録されたメトリクスの取得・分析（CLI）の際に使用します。リアルタイムダッシュボードの可視化、HF Spaceとの同期、自動化のためのJSON出力をサポートしています。

このスキルは、サブセット/スプリットのメタデータの取得、行のページネーション、テキスト検索、フィルターの適用、パーケットのダウンロードなどを行うHugging Face Dataset Viewer APIのワークフローに使用します。

Hugging Face TransformersとHugging Face JobsのクラウドGPUを使用して、物体検出モデル（D-FINE、RT-DETR v2、DETR、YOLOS）のトレーニングとファインチューニングを行います。対象範囲…

Hugging Faceの論文ページをMarkdownで検索・閲覧し、著者や関連モデル・データセット・スペース、GitHubなどの構造化メタデータを取得するためにpapers APIを使用します。

物体検出（D-FINE、RT-DETR v2、DETR、YOLOS）および画像分類（timmモデル — MobileNetV3、MobileViT、ResNet、…）のためのビジョンモデルを訓練およびファインチューニングします。

タスクに最適なモデルを、公式のHFベンチマークリーダーボードをクエリして見つけ、モデルサイズデータで結果を充実させ、ユーザーのデバイスに適合するものにフィルタリングし、ベンチマークスコア付きの比較表を返します。

Hugging Face Hubのモデルに対して、inspect-aiとlightevalを使用してローカルハードウェア上で評価を実行します。バックエンドの選択、ローカルGPU評価、および…の選択に使用します。

このスキルは、サブセット/スプリットのメタデータを取得し、行をページネーションし、テキスト検索を行い、フィルターを適用し、パーケットをダウンロードするなどのHugging Face Dataset Viewer APIワークフローに使用します。

PythonでGradioのWeb UIやデモを構築します。Gradioアプリ、コンポーネント、イベントリスナー、レイアウト、チャットボットを作成・編集する際に使用します。

このスキルは、ユーザーがHugging Face Jobsインフラ上で任意のワークロードを実行したい場合に使用します。UVスクリプト、Dockerベースのジョブ、ハードウェア選択などをカバーします。

TRL（Transformer Reinforcement Learning）またはUnslothとHugging Face Jobsインフラストラクチャを使用して、言語モデルやビジョンモデルをトレーニングまたはファインチューニングします。SFT、DPOなどをカバーしています。

llama.cppとGGUFを使用して、CPU、Mac Metal、CUDA、またはROCm上でローカルに実行するモデルを選択するために使用します。GGUFの検索、量子化の選択、サーバーの実行、正確な…をカバーします。

Hugging Face Hub上で研究論文を公開・管理します。論文ページの作成、論文とモデル/データセットのリンク、著者権の主張、生成…をサポートします。

Hugging Faceの論文ページをマークダウンで検索・閲覧し、著者、関連モデル/データセット/スペース、GitHubなどの構造化メタデータを取得するために論文APIを使用します。

ユーザーがツールやスクリプトを構築したい場合、またはHugging Face APIのデータを活用することでタスクを達成したい場合に、このスキルを使用してください。これは特に有用です…

Trackioを使用してMLトレーニング実験を追跡・可視化します。トレーニング中のメトリクスロギング（Python API）、トレーニング診断のアラート発火、または…

物体検出（D-FINE、RT-DETR v2、DETR、YOLOS）および画像分類（timmモデル — MobileNetV3、MobileViT、ResNet、…）のためのビジョンモデルを訓練およびファインチューニングします。

prime-rl推論サーバーを起動してテストします。推論の実行、vLLMの起動、モデルのテスト、または推論サーバーの起動を求められたときに使用します。

AMD GPU（MI355X、R9700）向けに最適化されたTritonカーネルの作成とベンチマークに関するガイダンスを提供します。ROCm上でHuggingFace diffusers（LTX-Video、SD3、…）を対象としています。

prime-rlにおけるTOML設定の書き方と使い

Train or fine-tune sentence-transformers models across `SentenceTransformer` (bi-encoder; dense or static embedding model; for retrieval, similarity,…

Transformers.jsを使用して、最先端の機械学習モデルをJavaScript/TypeScriptで直接実行できます。NLP（テキスト分類、翻訳、…）をサポートしています。

TRL（Transformers Reinforcement Learning）を使用してトランスフォーマー言語モデルをトレーニングおよびファインチューニングします。SFT、DPO、GRPO、KTO、RLOO、および報酬モデルのトレーニングをサポートしています…