Hugging Face Datasets

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 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。

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…