Skills Hugging Face

Thêm mô tả cho các mô hình mới từ bộ định tuyến HuggingFace vào c

Sửa các kiểm tra kiểu bị hỏng được phát hiện bởi ty, make typing, hoặc make check-repo. Sử dụng khi lỗi kiểu xuất hiện trong các lần chạy cục bộ, CI, hoặc nhật ký PR.

Cung cấp hướng dẫn để viết và đánh giá hiệu năng các nhân CUDA tối ưu hóa cho GPU NVIDIA (H100, A100, T4) nhắm đến các bộ khuếch tán và máy biến áp của HuggingFace…

Xây dựng giao diện web và bản demo Gradio bằng Python. Sử dụng khi tạo hoặc chỉnh sửa ứng dụng Gradio, thành phần, trình lắng nghe sự kiện, bố cục hoặc chatbot.

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

Sử dụng Hugging Face Hub qua các công cụ máy chủ MCP. Tìm kiếm mô hình, bộ dữ liệu, Spaces, bài báo. Lấy chi tiết kho lưu trữ, tải tài liệu, chạy tác vụ tính toán và sử dụng Gradio…

Tạo ghi chú phát hành Hugging Face Hub (huggingface_hub) từ các tệp JSON PR đã lưu trong bộ nhớ đệm. Sử dụng khi được yêu cầu soạn thảo ghi chú phát hành từ các tệp 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.

Tạo và quản lý tập dữ liệu trên Hugging Face Hub. Hỗ trợ khởi tạo kho lưu trữ, định nghĩa cấu hình/lời nhắc hệ thống, cập nhật hàng dữ liệu theo luồng, và truy vấn/chuyển đổi tập dữ liệu dựa trên SQL. Được thiết kế để hoạt động cùng với máy chủ HF MCP cho các quy trình làm việc tập dữ liệu toàn diện.

Add and manage evaluation results in Hugging Face model cards. Supports extracting eval tables from README content, importing scores from Artificial Analysis API, and running custom model evaluations with vLLM/lighteval. Works with the model-index metadata format.

Chạy bất kỳ khối lượng công việc nào trên cơ sở hạ tầng Hugging Face Jobs. Bao gồm các tập lệnh UV, công việc dựa trên Docker, lựa chọn phần cứng, ước tính chi phí, xác thực bằng token, quản lý bí mật, cấu hình thời gian chờ và lưu trữ kết quả. Được thiết kế cho các khối lượng công việc tính toán đa năng bao gồm xử lý dữ liệu, suy luận, thử nghiệm, công việc hàng loạt và bất kỳ tác vụ nào dựa trên Python.

Train or fine-tune language models using TRL (Transformer Reinforcement Learning) on Hugging Face Jobs infrastructure. Covers SFT, DPO, GRPO and reward modeling training methods, plus GGUF conversion for local deployment. Includes guidance on dataset preparation, hardware selection, cost estimation, and model persistence.

Xuất bản và quản lý các bài báo nghiên cứu trên Hugging Face Hub. Hỗ trợ tạo trang bài báo, liên kết bài báo với mô hình/bộ dữ liệu, xác nhận quyền tác giả và tạo các bài viết nghiên cứu chuyên nghiệp dựa trên markdown.

Xây dựng các tập lệnh và công cụ có thể tái sử dụng bằng cách sử dụng API Hugging Face. Hữu ích khi kết nối hoặc kết hợp các lệnh gọi API, hoặc khi các tác vụ sẽ được lặp lại/tự động hóa. Tạo ra các tập lệnh dòng lệnh có thể tái sử dụng để tìm nạp, làm giàu hoặc xử lý dữ liệu từ Hugging Face Hub.

Theo dõi và trực quan hóa các thí nghiệm huấn luyện ML với Trackio. Sử dụng khi ghi nhật ký các chỉ số trong quá trình huấn luyện (API Python) hoặc truy xuất/phân tích các chỉ số đã ghi (CLI). Hỗ trợ trực quan hóa bảng điều khiển thời gian thực, đồng bộ HF Space và đầu ra JSON để tự động hóa.

Sử dụng kỹ năng này cho các quy trình làm việc với API Hugging Face Dataset Viewer nhằm lấy siêu dữ liệu tập con/phân tách, phân trang hàng, tìm kiếm văn bản, áp dụng bộ lọc, tải xuống parquet…

Huấn luyện và tinh chỉnh các mô hình phát hiện đối tượng (D-FINE, RT-DETR v2, DETR, YOLOS) sử dụng Hugging Face Transformers trên GPU đám mây Hugging Face Jobs. Bao gồm…

Look up and read Hugging Face paper pages in markdown, and use the papers API for structured metadata such as authors, linked models/datasets/spaces, Github…

Huấn luyện và tinh chỉnh các mô hình thị giác cho phát hiện đối tượng (D-FINE, RT-DETR v2, DETR, YOLOS), phân loại hình ảnh (các mô hình timm — MobileNetV3, MobileViT, ResNet,…

Tìm các mô hình tốt nhất cho một tác vụ bằng cách truy vấn bảng xếp hạng điểm chuẩn chính thức của HF, làm giàu kết quả với dữ liệu kích thước mô hình, lọc để phù hợp với thiết bị của người dùng, và trả về bảng so sánh với điểm số điểm chuẩn.

Chạy đánh giá cho các mô hình Hugging Face Hub bằng inspect-ai và lighteval trên phần cứng cục bộ. Sử dụng để lựa chọn backend, đánh giá GPU cục bộ và lựa chọn giữa…

Sử dụng kỹ năng này cho các quy trình làm việc với Hugging Face Dataset Viewer API để lấy siêu dữ liệu tập con/phân tách, phân trang hàng, tìm kiếm văn bản, áp dụng bộ lọc, tải xuống parquet…

Xây dựng giao diện web và bản demo Gradio bằng Python. Sử dụng khi tạo hoặc chỉnh sửa ứng dụng Gradio, thành phần, trình lắng nghe sự kiện, bố cục hoặc chatbot.

Kỹ năng này nên được sử dụng khi người dùng muốn chạy bất kỳ khối lượng công việc nào trên cơ sở hạ tầng Hugging Face Jobs. Bao gồm các tập lệnh UV, công việc dựa trên Docker, lựa chọn phần cứng,…

Huấn luyện hoặc tinh chỉnh các mô hình ngôn ngữ và thị giác bằng cách sử dụng TRL (Transformer Reinforcement Learning) hoặc Unsloth với cơ sở hạ tầng Jobs của Hugging Face. Bao gồm SFT, DPO,…

Sử dụng để chọn các mô hình chạy cục bộ với llama.cpp và GGUF trên CPU, Mac Metal, CUDA hoặc ROCm. Bao gồm việc tìm GGUFs, chọn lượng tử, chạy máy chủ, chính xác…

Xuất bản và quản lý các bài báo nghiên cứu trên Hugging Face Hub. Hỗ trợ tạo trang bài báo, liên kết bài báo với mô hình/bộ dữ liệu, xác nhận quyền tác giả, và tạo…

Tra cứu và đọc các trang bài báo của Hugging Face ở định dạng markdown, đồng thời sử dụng API bài báo để lấy siêu dữ liệu có cấu trúc như tác giả, các mô hình/bộ dữ liệu/không gian được liên kết, Github…

Sử dụng kỹ năng này khi người dùng muốn xây dựng công cụ/tập lệnh hoặc hoàn thành một tác vụ mà việc sử dụng dữ liệu từ Hugging Face API sẽ hữu ích. Điều này đặc biệt hữu ích…

Theo dõi và trực quan hóa các thí nghiệm huấn luyện ML với Trackio. Sử dụng khi ghi nhật ký số liệu trong quá trình huấn luyện (API Python), kích hoạt cảnh báo cho chẩn đoán huấn luyện, hoặc…

Huấn luyện và tinh chỉnh các mô hình thị giác cho phát hiện đối tượng (D-FINE, RT-DETR v2, DETR, YOLOS), phân loại hình ảnh (các mô hình timm — MobileNetV3, MobileViT, ResNet,…

Khởi động và kiểm tra máy chủ suy luận prime-rl. Sử dụng khi được yêu cầu chạy suy luận, khởi động vLLM, kiểm tra mô hình hoặc khởi chạy máy chủ suy luận.

Cung cấp hướng dẫn để viết và đánh giá hiệu năng các kernel Triton tối ưu hóa cho GPU AMD (MI355X, R9700) trên ROCm, nhắm đến các bộ khuếch tán HuggingFace (LTX-Video, SD3,…)

Cách viết và sử dụng cấu

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

Sử dụng Transformers.js để chạy các mô hình học máy tiên tiến trực tiếp trong JavaScript/TypeScript. Hỗ trợ NLP (phân loại văn bản, dịch thuật,…)

Huấn luyện và tinh chỉnh các mô hình ngôn ngữ transformer bằng TRL (Transformers Reinforcement Learning). Hỗ trợ huấn luyện SFT, DPO, GRPO, KTO, RLOO và Reward Model…