Hugging Face技能

為 HuggingFace 路由器中的新模型添加描述至 chat-ui 配置。當路由器上發布新模型且需要描述時使用…

修復由 ty、make typing 或 make check-repo 偵測到的損壞型別檢查。當本地執行、CI 或 PR 日誌中出現型別錯誤時使用。

提供針對NVIDIA GPU（H100、A100、T4）撰寫和基準測試優化CUDA核心的指導，目標為HuggingFace diffusers和transformers…

在Python中構建Gradio網頁UI與演示。適用於創建或編輯Gradio應用、組件、事件監聽器、佈局或聊天機器人。

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

透過 MCP 伺服器工具使用 Hugging Face Hub。搜尋模型、資料集、Spaces、論文。取得儲存庫詳細資訊、擷取文件、執行運算作業，以及使用 Gradio…

從快取的 PR JSON 檔案生成 Hugging Face Hub (huggingface_hub) 的發行說明。當被要求從 PR 檔案草擬發行說明時使用。

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.

在 Hugging Face Hub 上建立與管理資料集。支援初始化儲存庫、定義配置/系統提示、串流更新資料列，以及基於 SQL 的資料集查詢/轉換。設計與 HF MCP 伺服器搭配使用，以實現完整的資料集工作流程。

在 Hugging Face 模型卡中新增與管理評估結果。支援從 README 內容中提取評估表格、從 Artificial Analysis API 匯入分數，以及使用 vLLM/lighteval 執行自訂模型評估。可搭配 model-index 中繼資料格式使用。

在 Hugging Face Jobs 基礎架構上執行任何工作負載。涵蓋 UV 腳本、基於 Docker 的工作、硬體選擇、成本估算、使用令牌進行身份驗證、機密管理、超時配置以及結果持久化。專為通用計算工作負載設計，包括數據處理、推理、實驗、批次作業以及任何基於 Python 的任務。

使用 TRL（Transformer 強化學習）在 Hugging Face Jobs 基礎設施上訓練或微調語言模型。涵蓋 SFT、DPO、GRPO 及獎勵模型訓練方法，以及用於本地部署的 GGUF 轉換。包含資料集準備、硬體選擇、成本估算與模型持久化的指導。

在 Hugging Face Hub 上發佈與管理研究論文。支援建立論文頁面、將論文連結至模型/資料集、聲明作者身份，以及生成基於 Markdown 的專業研究文章。

使用 Hugging Face API 建立可重複使用的腳本與工具。適用於串接或組合 API 呼叫，或需要重複執行/自動化的任務。建立可重複使用的命令列腳本，從 Hugging Face Hub 擷取、豐富或處理資料。

使用 Trackio 追蹤並視覺化機器學習訓練實驗。適用於在訓練過程中記錄指標（Python API）或擷取/分析已記錄的指標（CLI）。支援即時儀表板視覺化、HF Space 同步，以及用於自動化的 JSON 輸出。

使用此技能進行 Hugging Face Dataset Viewer API 工作流程，以擷取子集/分割元資料、分頁行、搜尋文字、套用篩選器、下載 parquet…

使用 Hugging Face Transformers 在 Hugging Face Jobs 雲端 GPU 上訓練和微調物件偵測模型（D-FINE、RT-DETR v2、DETR、YOLOS）。涵蓋…

查閱並以 Markdown 格式讀取 Hugging Face 論文頁面，並使用論文 API 取得結構化元數據，例如作者、關聯的模型/資料集/空間、GitHub 等。

訓練並微調用於物件偵測（D-FINE、RT-DETR v2、DETR、YOLOS）、影像分類（timm模型——MobileNetV3、MobileViT、ResNet…）的視覺模型。

通過查詢官方 Hugging Face 基準排行榜，找出最適合特定任務的模型，並補充模型大小數據，篩選出符合用戶裝置容量的選項，最後回傳包含基準分數的比較表格。

使用 inspect-ai 和 lighteval 在本地硬體上對 Hugging Face Hub 模型進行評估。用於後端選擇、本地 GPU 評估，以及選擇…

使用此技能進行 Hugging Face Dataset Viewer API 工作流程，以獲取子集/分割元數據、分頁行、搜尋文字、套用篩選器、下載 parquet…

在Python中構建Gradio網頁UI和演示。適用於創建或編輯Gradio應用、組件、事件監聽器、佈局或聊天機器人時使用。

此技能應在使用者想於 Hugging Face Jobs 基礎架構上執行任何工作負載時使用。涵蓋 UV 腳本、基於 Docker 的工作、硬體選擇等。

使用 TRL（Transformer Reinforcement Learning）或 Unsloth 搭配 Hugging Face Jobs 基礎設施來訓練或微調語言與視覺模型。涵蓋 SFT、DPO、…

用於選擇在本地使用 llama.cpp 和 GGUF 在 CPU、Mac Metal、CUDA 或 ROCm 上運行的模型。涵蓋尋找 GGUFs、量化選擇、運行伺服器、精確…

在 Hugging Face Hub 上發佈與管理研究論文。支援建立論文頁面、將論文連結至模型/資料集、聲明作者身份，以及生成…

查詢並以 Markdown 格式閱讀 Hugging Face 論文頁面，並使用論文 API 獲取結構化元數據，例如作者、關聯的模型/數據集/空間、GitHub 等。

當使用者想要建立工具/腳本或完成某項任務，且使用 Hugging Face API 的資料會有幫助時，請使用此技能。這在以下情況特別有用…

使用 Trackio 追蹤並視覺化機器學習訓練實驗。適用於在訓練期間記錄指標（Python API）、觸發訓練診斷警報，或…

訓練並微調用於物體偵測（D-FINE、RT-DETR v2、DETR、YOLOS）、影像分類（timm 模型 — MobileNetV3、MobileViT、ResNet…）的視覺模型。

啟動並測試 prime-rl 推理伺服器。當被要求執行推理、啟動 vLLM、測試模型或啟動推理伺服器時使用。

提供在ROCm上為AMD GPU（MI355X、R9700）撰寫和基準測試最佳化Triton核心的指引，目標為HuggingFace diffusers（LTX-Video、SD3、…）

如何在 prime-rl 中撰寫與使用 TOML 設定檔。適用於建立設定檔、透過設定檔執行指令，或透過命令列覆寫設定值。

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

使用 Transformers.js 直接在 JavaScript/TypeScript 中運行最先進的機器學習模型。支援自然語言處理（文字分類、翻譯、…）

使用 TRL（Transformers Reinforcement Learning）訓練和微調轉換器語言模型。支援 SFT、DPO、GRPO、KTO、RLOO 及獎勵模型訓練…