Das Modell, das nicht existierte, also haben Sie es selbst gebaut
huggingface ·
Dieser Artikel beschreibt, wie die Autorin ML Intern, einen KI-Agenten in HuggingChat, nutzte, um innerhalb weniger Tage sechs benutzerdefinierte Machine-Learning-Modelle für insgesamt etwa 103 US-Dollar an Rechenkosten zu erstellen. Der Prozess begann mit der Identifizierung spezifischer Bedürfnisse, wie eines leichtgewichtigen Prompt-Rewriters oder spezialisierter Bildgenerierungsfunktionen, die bei bestehenden öffentlichen Modellen nicht readily verfügbar waren. Durch detaillierte Prompts, die verifizierte Fakten, Budgetgrenzen und Anforderungen an Basistests enthielten, leitete die Autorin ML Intern an, die Datenvorbereitung, das Training, die Evaluierung und die Veröffentlichung auf dem Hugging Face Hub durchzuführen. Zu den wichtigsten Projekten gehörten ein Modell zur Erkennung von Zitrusfruchtkrankheiten, ein LoRA zur Generierung des Hugging-Face-Maskottchens Huggy sowie Tools zur Bearbeitung von Kamerawinkeln für Qwen-Image. Die Autorin demonstrierte zudem Distillationstechniken, um die Inferenzschritte für browserbasierte Modelle wie Agate zu reduzieren. Dieser Workflow zeigt, wie Nutzer nun effizient maßgeschneiderte KI-Lösungen entwickeln können, ohne umfangreiche manuelle Ingenieursarbeit oder große Budgets benötigen.
huggingface