ML Intern 实测：两天内用对话造出六个小模型
AI 总结
Hugging Face 博主 yvrjsharma 撰文记录如何借助 HuggingChat 中的 ML Intern 智能体，在几天内做出六个小模型：包括把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏为可在 CPU 上运行的 0.8B Pocket 版本（有效输出率 99.7%，token 用量约为教师模型四分之一），以及基于 Qwen3.5-2B 微调的柑橘病害识别模型（335 张测试图上准确率从 14.9% 升至 52.8%）。ML Intern 会先规划任务、在花钱前申请预算、跑小规模冒烟测试，再执行训练、评估并发布到 Hub，作者称首个项目全部算力成本约 16 美元。文中还给出提示词写法建议，例如要求训练前先测基线、限制总花费上限。
深度见解
它展示了个体用户借助智能体工具，用极低成本就能把大模型蒸馏成适配本地设备的小模型。