OmniTools 10月9日消息，Hugging Face 官方博客近日发布文章，分享了其 HuggingChat 平台中 ML Intern 模式的实际应用案例。该功能允许用户通过自然语言提示词描述需求，由 AI 智能体自动规划并执行模型构建全流程，涵盖数据准备、训练、评估与发布。
文章详细披露了 6 个实际项目：包括将 Qwen-Image 2.1 的 9B 提示重写器蒸馏为可在 CPU 运行的 0.8B 版本（成本约 16 美元）、面向柑橘病害诊断的视觉语言微调模型（准确率从 14.9% 提升至 52.8%，成本约 1.9 美元）、基于 FLUX.2 klein 的 Huggy 角色 LoRA、相机视角 LoRA、Doodle-in 涂鸦编辑 LoRA，以及 Logolabs Agate Preview 002 模型的 4 步蒸馏版本。
所有项目均在 Hugging Face 基础设施上完成，单个项目算力成本介于 1.9 至 37 美元之间。相关模型及数据集均已开源至 Hugging Face Hub。ML Intern 默认采用零预算启动机制，需用户明确授权后方可执行付费计算任务。
