Skills Hugging Face

Добавить описания для новых моделей из маршрутизатора HuggingFace в конфигурацию chat-ui. Использовать, когда на маршрутизаторе появляются новые модели и для них нужны описания…

Исправляет сломанные проверки типов, обнаруженные с помощью ty, make typing или make check-repo. Используйте, когда ошибки типизации появляются в локальных запусках, CI или логах PR.

Предоставляет рекомендации по написанию и бенчмаркингу оптимизированных ядер CUDA для GPU NVIDIA (H100, A100, T4), ориентированных на HuggingFace diffusers и transformers…

Создавайте веб-интерфейсы и демо-версии Gradio на Python. Используйте при создании или редактировании приложений Gradio, компонентов, обработчиков событий, макетов или чат-ботов.

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

Используйте Hugging Face Hub через инструменты сервера MCP. Ищите модели, наборы данных, Spaces, статьи. Получайте информацию о репозиториях, загружайте документацию, запускайте вычислительные задачи и используйте Gradio…

Генерировать примечания к релизу Hugging Face Hub (huggingface_hub) из кэшированных JSON-файлов PR. Использовать, когда требуется составить примечания к релизу из файлов PR.

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.

Создание и управление датасетами на Hugging Face Hub. Поддерживает инициализацию репозиториев, определение конфигураций/системных промптов, потоковое обновление строк, а также SQL-запросы и трансформацию датасетов. Разработан для работы совместно с HF MCP сервером для комплексных рабочих процессов с датасетами.

Добавление и управление результатами оценки в карточках моделей Hugging Face. Поддерживает извлечение таблиц оценки из содержимого README, импорт оценок из Artificial Analysis API и запуск пользовательских оценок моделей с помощью vLLM/lighteval. Работает с форматом метаданных model-index.

Запускайте любые задачи на инфраструктуре Hugging Face Jobs. Включает UV-скрипты, задания на основе Docker, выбор оборудования, оценку стоимости, аутентификацию с помощью токенов, управление секретами, настройку тайм-аута и сохранение результатов. Предназначено для вычислительных задач общего назначения, включая обработку данных, инференс, эксперименты, пакетные задания и любые задачи на Python.

Обучайте или донастраивайте языковые модели с помощью TRL (Transformer Reinforcement Learning) на инфраструктуре Hugging Face Jobs. Охватывает методы обучения SFT, DPO, GRPO и модели вознаграждения, а также конвертацию в GGUF для локального развертывания. Включает рекомендации по подготовке наборов данных, выбору оборудования, оценке затрат и сохранению модели.

Публикуйте и управляйте исследовательскими статьями на Hugging Face Hub. Поддерживает создание страниц статей, привязку статей к моделям/наборам данных, подтверждение авторства и генерацию профессиональных исследовательских статей на основе Markdown.

Создавайте повторно используемые скрипты и инструменты с помощью Hugging Face API. Полезно при объединении или комбинировании API-вызовов, а также при повторяющихся/автоматизируемых задачах. Создаёт повторно используемые скрипты командной строки для получения, обогащения или обработки данных из Hugging Face Hub.

Отслеживайте и визуализируйте эксперименты по обучению ML с помощью Trackio. Используйте при логировании метрик во время обучения (Python API) или при извлечении/анализе записанных метрик (CLI). Поддерживает визуализацию в реальном времени на дашборде, синхронизацию с HF Space и вывод в JSON для автоматизации.

Используйте этот навык для рабочих процессов Hugging Face Dataset Viewer API, которые извлекают метаданные подмножеств/разделов, разбивают строки на страницы, выполняют поиск текста, применяют фильтры, скачивают parquet…

Обучает и донастраивает модели обнаружения объектов (D-FINE, RT-DETR v2, DETR, YOLOS) с использованием Hugging Face Transformers на облачных GPU Hugging Face Jobs. Охватывает…

Искать и читать страницы статей Hugging Face в формате Markdown, а также использовать API статей для получения структурированных метаданных, таких как авторы, связанные модели/наборы данных/пространства, GitHub…

Обучает и донастраивает модели компьютерного зрения для обнаружения объектов (D-FINE, RT-DETR v2, DETR, YOLOS), классификации изображений (модели timm — MobileNetV3, MobileViT, ResNet,…

Находит лучшие модели для задачи, запрашивая официальные лидерборды бенчмарков HF, обогащая результаты данными о размере модели, фильтруя по совместимости с устройством пользователя и возвращая сравнительную таблицу с оценками бенчмарков.

Запуск оценок для моделей Hugging Face Hub с использованием inspect-ai и lighteval на локальном оборудовании. Используется для выбора бэкенда, локальных оценок на GPU и выбора между…

Используйте этот навык для рабочих процессов Hugging Face Dataset Viewer API, которые получают метаданные подмножеств/разбиений, разбивают строки на страницы, ищут текст, применяют фильтры, скачивают parquet…

Создавайте веб-интерфейсы и демо-версии Gradio на Python. Используйте при создании или редактировании приложений Gradio, компонентов, обработчиков событий, макетов или чат-ботов.

Этот навык следует использовать, когда пользователи хотят запустить любую рабочую нагрузку на инфраструктуре Hugging Face Jobs. Охватывает UV-скрипты, задания на основе Docker, выбор оборудования,…

Обучайте или донастраивайте языковые и визуальные модели с помощью TRL (Transformer Reinforcement Learning) или Unsloth на инфраструктуре Hugging Face Jobs. Охватывает SFT, DPO,…

Используется для выбора моделей для локального запуска с llama.cpp и GGUF на CPU, Mac Metal, CUDA или ROCm. Включает поиск GGUFs, выбор квантизации, запуск серверов, точное…

Публикация и управление исследовательскими статьями на Hugging Face Hub. Поддерживает создание страниц статей, привязку статей к моделям/наборам данных, подтверждение авторства и генерацию…

Искать и читать страницы статей Hugging Face в формате markdown, а также использовать API статей для получения структурированных метаданных, таких как авторы, связанные модели/наборы данных/пространства, Github…

Используйте этот навык, когда пользователь хочет создать инструмент/скрипты или выполнить задачу, где использование данных из Hugging Face API было бы полезно. Это особенно полезно…

Отслеживайте и визуализируйте эксперименты по обучению ML с помощью Trackio. Используйте при логировании метрик во время обучения (Python API), отправке оповещений для диагностики обучения или…

Обучает и донастраивает модели компьютерного зрения для обнаружения объектов (D-FINE, RT-DETR v2, DETR, YOLOS), классификации изображений (модели timm — MobileNetV3, MobileViT, ResNet,…

Запустить и протестировать inference-сервер prime-rl. Используйте, когда требуется запустить инференс, запустить vLLM, протестировать модель или запустить inference-сервер.

Предоставляет рекомендации по написанию и бенчмаркингу оптимизированных ядер Triton для GPU AMD (MI355X, R9700) на ROCm, ориентированных на диффузоры HuggingFace (LTX-Video, SD3,…)

Как писать и использовать TOML-конфиги в prime-rl. Используйте при создании файлов конфигурации, запуске команд с конфигами или переопределении значений конфигурации через CLI.

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

Use Transformers.js to run state-of-the-art machine learning models directly in JavaScript/TypeScript. Supports NLP (text classification, translation,…

Обучайте и донастраивайте трансформерные языковые модели с помощью TRL (Transformers Reinforcement Learning). Поддерживает обучение SFT, DPO, GRPO, KTO, RLOO и Reward Model…