A Hugging Face publicou um relato sobre a utilização do ML Intern para criar modelos personalizados a partir de instruções em linguagem natural. O autor afirma ter desenvolvido seis projectos em poucos dias, recorrendo ao agente para planear tarefas, propor orçamentos, executar testes, treinar modelos e publicar resultados no Hub. A publicação descreve a experiência dos seus autores; não é uma avaliação independente do serviço.

Um dos projectos foi uma versão compacta de um reescritor de prompts associado ao Qwen-Image 2.1. Segundo o relato, a versão oficial tem 9 mil milhões de parâmetros e requer cerca de 20 GB de memória. O autor diz que não encontrou no Hub uma versão mais pequena e que pediu ao ML Intern um modelo de 0,8 mil milhões de parâmetros, capaz de correr num CPU. Alega que este produziu saídas válidas em 99,7% dos casos e utilizou cerca de um quarto dos tokens do modelo de referência. O custo total indicado foi de 16 dólares, incluindo a etiquetagem de 8.797 pedidos pelo modelo maior.

Outro exemplo é um modelo de visão para identificar problemas em citrinos. O conjunto de dados, reunido a partir de três fontes alojadas pela organização Project-AgML no Hub, contém 3.017 imagens anotadas, abrangendo 21 pragas, doenças, carências nutricionais e abordagens de tratamento. O Qwen3.5-2B foi ajustado com esses exemplos. Nos 335 casos de teste, o autor reporta que a identificação correcta passou de 14,9% no modelo de base para 52,8% após duas épocas de treino numa GPU A10G. O custo computacional indicado foi de cerca de 1,90 dólares.

O autor descreve também uma LoRA para gerar Huggy, personagem da identidade visual da Hugging Face, treinada com 84 desenhos legendados e o FLUX.2 klein base 4B. Foram guardados pontos de controlo a cada 100 passos e comparadas imagens produzidas com os mesmos prompts. Segundo o relato, o passo 200 foi o primeiro em que Huggy ficou fiel ao estilo pretendido; a partir do passo 500, esse estilo começou a aparecer em imagens de outros temas. O custo indicado foi de aproximadamente 7,60 dólares.

Um quarto exemplo é uma LoRA para alterar o ângulo de vista de objectos. O texto diz que foram gerados 1.030 objectos digitalizados do conjunto Google Scanned Objects, em 24 ângulos cada. O excerto disponível não inclui os resultados completos deste projecto nem os restantes exemplos anunciados, pelo que não permite avaliar o desempenho global dos modelos descritos. Também não sustenta conclusões sobre a eficácia geral do agente.

Como recomendações para estes trabalhos, os autores sugerem incluir no pedido uma medição de referência anterior ao treino, um teste curto que confirme que os pesos foram alterados, os resultados esperados e um limite de despesa. Segundo o artigo, o ML Intern começa cada tarefa com orçamento zero e pede autorização antes de executar trabalhos pagos. Os sete prompts são indicados como publicados no GitHub; a publicação refere ainda modelos públicos no Hub, com avaliações nos respectivos cartões. Os números e conclusões aqui apresentados são os reportados pelos autores.

Porque importa

O artigo descreve uma forma de automatizar etapas do desenvolvimento de modelos especializados. Os resultados apresentados são relatos dos autores e não permitem, por si só, estabelecer a eficácia geral do agente.

Fontes

The model that didn't exist, so you made it yourselfHugging Face ↗