hugging-face-vision-trainer

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。

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.

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。

Track and visualize ML training experiments with Trackio. Use when logging metrics during training (Python API) or retrieving/analyzing logged metrics (CLI). Supports real-time dashboard visualization, HF Space syncing, and JSON output for automation.