Hugging Face 開源 ml-intern：能讀論文、跑訓練的「AI 實習生」

如果你帶過實習生，大概對這種日常很熟悉：給一個方向，讓他們去讀三五篇最新論文，把裡面的資料集找出來洗乾淨，改改訓練指令碼跑個微調，然後盯著 loss 曲線彙報結果。

現在 Hugging Face 覺得，這套枯燥的後訓練苦活，其實可以讓 AI 自己去幹了。

Hugging Face 正式開源了 ml-intern。顧名思義，它就是一個住在你終端裡的機器學習實習生，專門幫工程師自動化打通模型後訓練（Post-Training）的全流程。

讀 arXiv、寫指令碼，10 小時把模型刷上去

這套框架底層基於 Hugging Face 的 smolagents，跑起來是一個標準的自主 Agent 迴圈。

它最搶眼的戰績是在 PostTrainBench 基準上的表現。這個基準由圖賓根大學和馬克斯·普朗克研究所提出，專門卡死在一張單卡 H100 和 10 小時時間限制裡，考驗 Agent 能不能把一個基座模型練出名堂。

在官方測試中，ml-intern 接手了原本在 GPQA 科學推理基準上只有約 10% 分數的 Qwen3-1.7B。它自己去查 arXiv 和 Hugging Face Papers，理順引用關係找資料，清洗格式並啟動微調。

僅僅過了 3 個多小時，分數就越過了 27.5%；10 小時跑完，成績被拉高到了 32%（另有測試記錄最高摸到了 39%）。

作為對比，同樣任務下的 Claude Code 得分是 22.99%。拿一個 1.7B 引數的小模型壓榨出這種推理提升，哪怕換經驗豐富的研究員手動調參，十個小時內也很難交出更漂亮的答卷。

不只是改程式碼，它還會造合成數據和玩 RLHF

ml-intern 之所以讓人眼前一亮，在於它掌握的手段已經超出了簡單的跑指令碼批處理。

比如在醫療場景測試裡，它自己評估了一圈現存的資料集，判斷資料質量不夠支撐可靠微調，轉頭就自己寫程式碼生成了一批針對邊緣案例的合成數據，涵蓋醫療免責表述和多語言急救場景，混入訓練集後成功刷高了 HealthBench 的分數。

到了數學領域，它甚至能自己寫 GRPO（群相對策略最佳化）指令碼跑強化學習，在 A100 上跑消融實驗、排查獎勵崩潰（reward collapse），直到把模型效能榨乾為止。

它還能深度呼叫 Hugging Face 的自有資產。本地算力不夠時，直接通過 Hugging Face Jobs 排程算力；實驗追蹤不用第三方的 Weights & Biases，而是用自家的開源方案 Trackio，使用者還能通過事件流即時監控它的一舉一動。

為什麼重要

我們認為，ml-intern 最聰明的地方在於找準了 Agent 落地的甜蜜點。

過去很多寫程式碼的 Agent 都在通用軟體工程裡打轉，修一個前端 bug 或者寫個爬蟲，往往因為環境配置和不確定性陷入死迴圈。但機器學習的後訓練流程，目標函式極其明確，輸入是論文和資料集，輸出是評測榜單上的一個確定數字。

對中小型團隊和獨立開發者來說，這意味著門檻被踩平了一大截。你不需要養一個專門做調參和資料清洗的初級研究組，丟一句自然語言指令，它就能在夜裡默默把一開啟源基座模型試跑一輪。

對行業而言，這是 Hugging Face 防禦大廠封鎖的一記妙招。它沒有去拼萬億引數的算力怪獸，而是把自身最大的優勢——Hub 上的海量模型、資料集、論文和工具鏈——全部封裝成 Agent 觸手可及的基建。只要你的工作流被它接管，你就離不開 Hugging Face 的全家桶。

當然，它目前也有明顯邊界。說到底，它依然是個執行力極強的「實習生」，擅長在前人已經鋪好路的論文裡拼裝現成方案。真正定義全新架構、提出顛覆性理論的事，它還做不來。但對於每天被瑣碎訓練打斷思考的研究員來說，把髒活甩給它，已經足夠划算了。