Hugging Face 스킬

HuggingFace 라우터에서 chat-ui 설정으로 새 모델에 대한 설명을 추가합니다. 라우터에 새 모델이 출시되어 설명이 필요할 때 사용합니다…

ty, make typing, 또는 make check-repo에서 감지된 깨진 타입 검사를 수정합니다. 로컬 실행, CI, 또는 PR 로그에서 타입 오류가 나타날 때 사용하세요.

NVIDIA GPU(H100, A100, T4)에서 HuggingFace diffusers 및 transformers를 대상으로 최적화된 CUDA 커널 작성 및 벤치마킹을 위한 지침을 제공합니다…

Python으로 Gradio 웹 UI와 데모를 구축합니다. Gradio 앱, 컴포넌트, 이벤트 리스너, 레이아웃 또는 챗봇을 생성하거나 편집할 때 사용하세요.

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 Hub를 MCP 서버 도구를 통해 사용하세요. 모델, 데이터셋, 스페이스, 논문을 검색하고, 저장소 세부 정보를 확인하며, 문서를 가져오고, 컴퓨팅 작업을 실행하고, Gradio를 사용할 수 있습니다…

캐시된 PR JSON 파일에서 Hugging Face Hub (huggingface_hub) 릴리스 노트를 생성합니다. PR 파일로 릴리스 노트를 작성하라는 요청을 받았을 때 사용하세요.

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.

허깅 페이스 허브에서 데이터셋을 생성하고 관리합니다. 리포지토리 초기화, 설정/시스템 프롬프트 정의, 행 업데이트 스트리밍, SQL 기반 데이터셋 쿼리/변환을 지원합니다. 포괄적인 데이터셋 워크플로를 위해 HF MCP 서버와 함께 작동하도록 설계되었습니다.

Hugging Face 모델 카드에 평가 결과를 추가하고 관리합니다. README 콘텐츠에서 평가 테이블 추출, Artificial Analysis API에서 점수 가져오기, vLLM/lighteval을 사용한 사용자 정의 모델 평가 실행을 지원합니다. model-index 메타데이터 형식과 함께 작동합니다.

Hugging Face Jobs 인프라에서 모든 워크로드를 실행합니다. UV 스크립트, Docker 기반 작업, 하드웨어 선택, 비용 추정, 토큰 인증, 시크릿 관리, 타임아웃 설정, 결과 저장을 다룹니다. 데이터 처리, 추론, 실험, 배치 작업 및 모든 Python 기반 태스크를 포함한 범용 컴퓨팅 워크로드용으로 설계되었습니다.

TRL(Transformer Reinforcement Learning)을 사용하여 Hugging Face Jobs 인프라에서 언어 모델을 훈련하거나 미세 조정합니다. SFT, DPO, GRPO 및 보상 모델링 훈련 방법과 로컬 배포를 위한 GGUF 변환을 다룹니다. 데이터셋 준비, 하드웨어 선택, 비용 추정 및 모델 지속성에 대한 지침을 포함합니다.

Hugging Face Hub에서 연구 논문을 게시하고 관리합니다. 논문 페이지 생성, 논문과 모델/데이터셋 연결, 저자 주장, 전문적인 마크다운 기반 연구 문서 생성을 지원합니다.

Hugging Face API를 사용하여 재사용 가능한 스크립트와 도구를 구축합니다. API 호출을 연결하거나 결합할 때, 또는 작업이 반복/자동화될 때 유용합니다. Hugging Face Hub에서 데이터를 가져오거나, 보강하거나, 처리하는 재사용 가능한 명령줄 스크립트를 생성합니다.

Trackio로 ML 학습 실험을 추적하고 시각화하세요. 학습 중 메트릭 로깅(Python API) 또는 로깅된 메트릭 검색/분석(CLI) 시 사용합니다. 실시간 대시보드 시각화, HF Space 동기화, 자동화를 위한 JSON 출력을 지원합니다.

Hugging Face Dataset Viewer API 워크플로우에서 서브셋/스플릿 메타데이터를 가져오고, 행을 페이지네이션하며, 텍스트를 검색하고, 필터를 적용하고, parquet을 다운로드하는 등의 작업에 이 스킬을 사용하세요.

Hugging Face Transformers와 Hugging Face Jobs 클라우드 GPU를 사용하여 객체 탐지 모델(D-FINE, RT-DETR v2, DETR, YOLOS)을 학습 및 미세 조정합니다. 다루는 내용…

허깅 페이스 논문 페이지를 마크다운으로 조회 및 읽고, 논문 API를 사용하여 저자, 연결된 모델/데이터셋/스페이스, Github 등 구조화된 메타데이터를 활용합니다.

객체 탐지(D-FINE, RT-DETR v2, DETR, YOLOS) 및 이미지 분류(timm 모델 — MobileNetV3, MobileViT, ResNet, …)를 위한 비전 모델을 훈련 및 미세 조정합니다.

공식 HF 벤치마크 리더보드를 조회하여 작업에 가장 적합한 모델을 찾고, 모델 크기 데이터로 결과를 보강하며, 사용자 기기에 적합한 모델을 필터링한 후 벤치마크 점수와 함께 비교 테이블을 반환합니다.

Hugging Face Hub 모델에 대한 평가를 inspect-ai와 lighteval을 사용하여 로컬 하드웨어에서 실행합니다. 백엔드 선택, 로컬 GPU 평가, 그리고 선택에 사용됩니다.

이 스킬은 Hugging Face Dataset Viewer API 워크플로우에서 서브셋/스플릿 메타데이터를 가져오고, 행을 페이지네이션하며, 텍스트를 검색하고, 필터를 적용하고, parquet을 다운로드하는 등의 작업에 사용합니다.

파이썬으로 Gradio 웹 UI와 데모를 구축합니다. Gradio 앱, 컴포넌트, 이벤트 리스너, 레이아웃 또는 챗봇을 생성하거나 편집할 때 사용하세요.

이 스킬은 사용자가 Hugging Face Jobs 인프라에서 워크로드를 실행하려 할 때 사용해야 합니다. UV 스크립트, Docker 기반 작업, 하드웨어 선택 등을 다룹니다.

TRL(Transformer Reinforcement Learning) 또는 Unsloth를 사용하여 Hugging Face Jobs 인프라로 언어 및 비전 모델을 학습하거나 미세 조정합니다. SFT, DPO 등을 포함합니다.

로컬에서 llama.cpp와 GGUF를 CPU, Mac Metal, CUDA 또는 ROCm으로 실행할 모델을 선택할 때 사용합니다. GGUF 찾기, 양자화 선택, 서버 실행, 정확한…

허깅페이스 허브에 연구 논문을 게시하고 관리합니다. 논문 페이지 생성, 논문과 모델/데이터셋 연결, 저자 주장, 생성 지원…

Hugging Face 논문 페이지를 마크다운으로 조회 및 읽고, 저자, 연결된 모델/데이터셋/스페이스, Github 등 구조화된 메타데이터를 위해 papers API를 사용합니다.

사용자가 Hugging Face API의 데이터를 활용하면 도움이 되는 도구/스크립트를 구축하거나 작업을 수행하려 할 때 이 스킬을 사용하세요. 특히 유용한 경우는…

Trackio로 ML 학습 실험을 추적하고 시각화합니다. 학습 중 메트릭 로깅(Python API), 학습 진단 알림 발송 등에 사용합니다.

객체 탐지(D-FINE, RT-DETR v2, DETR, YOLOS) 및 이미지 분류(timm 모델 — MobileNetV3, MobileViT, ResNet, …)를 위한 비전 모델을 훈련하고 미세 조정합니다.

prime-rl 추론 서버를 시작하고 테스트합니다. 추론 실행, vLLM 시작, 모델 테스트 또는 추론 서버 실행을 요청받았을 때 사용하세요.

AMD GPU(MI355X, R9700)에서 ROCm을 사용하여 최적화된 Triton 커널을 작성하고 벤치마킹하는 방법을 안내하며, HuggingFace diffusers(LTX-Video, SD3,…)를 대상으로 합니다.

prime-rl에서 TOML 설정을 작성하고 사용하는 방법. 설정 파일을 만들거나, 설정과 함께 명령어를 실행하거나, CLI를 통해 설정 값을 재정의할 때 사용합니다.

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

Transformers.js를 사용하여 최첨단 머신러닝 모델을 JavaScript/TypeScript에서 직접 실행할 수 있습니다. NLP(텍스트 분류, 번역, …)를 지원합니다.

트랜스포머 언어 모델을 TRL(Transformers Reinforcement Learning)을 사용하여 학습 및 미세 조정합니다. SFT, DPO, GRPO, KTO, RLOO 및 보상 모델 학습을 지원합니다…