HuggingChat上线ML Intern 对话跑实验

时间：2026年9月9日 地点：美国纽约（Hugging Face 总部）／线上发布 人物：Hugging Face 官方团队、smolagents 团队、产品负责人 Victor Mustar 事件详情：Hugging Face 将 AI 智能体 ML Intern 正式接入自家聊天产品 HuggingChat，用户无需任何机器学习工程背景，只要在对话框里用自然语言描述想法，就能完成一次完整的机器学习实验。开启该功能后，ML Intern 会自动检索 Hugging Face Hub、GitHub 与公开网络，挑选合适的模型、数据集与工具链；在真正启动任务前，它会先估算所需算力成本并给出预算建议，用户确认后系统不会超出这一上限。获批后 ML Intern 可自主创建数据集、训练模型、监控运行中的任务、把结果上传回 Hub，并自动撰写实验报告、搭建可交互 Demo。每一次训练都会生成独立看板供用户跟踪进度。官方演示视频中的一个案例运行约 6 小时，总花费不到 0.5 美元。 背景：ML Intern 最早以开源命令行智能体的形式亮相，代码托管在 GitHub 的 huggingface/ml-intern 仓库，主打自动化大模型后训练（post-training）流程，能读论文、造数据、跑微调并交付模型，此前主要面向有一定工程能力的开发者。此次接入 HuggingChat，等于把这套能力从 CLI 搬进了聊天窗口，把门槛降到了"会打字即可"。与此同时，Hugging Face 正处在被英伟达收购的交割阶段，英伟达 CEO 黄仁勋此前公开承诺，收购后将保持平台开放与硬件中立。 影响：对个人开发者、学生和中小团队而言，训练与评测模型的启动成本被显著压缩，从环境配置、算力申请到结果复现的链条被压进一次对话；预算预估与硬上限机制也降低了新手"跑飞账单"的风险。对 Hugging Face 而言，这是把 Hub 上的模型、数据集与算力资源直接变现为使用场景的关键一步，有望提升平台活跃度与付费转化。对整个 AutoML 与 AI Agent 赛道来说，ML Intern 与 Claude Code、各类科研智能体正面竞争，进一步验证"智能体承接完整工程流程"的可行性。 总结：Hugging Face 把 ML Intern 塞进 HuggingChat，让"聊天即可跑机器学习实验"成为现实，6 小时训练不到 0.5 美元的成本样本，展示了智能体把 ML 工程平民化的现实路径，也为英伟达收购后的平台走向增添了新的想象空间。 参考来源： 1. The Decoder：https://the-decoder.com/hugging-faces-new-ml-intern-lets-anyone-run-machine-learning-experiments-through-a-simple-chat/ 2. HuggingChat 官方入口：https://huggingface.co/chat/ 3. GitHub 开源仓库 huggingface/ml-intern：https://github.com/huggingface/ml-intern 4. Hugging Face Space（smolagents/ml-intern）：https://huggingface.co/spaces/smolagents/ml-intern 5. daily.dev：https://daily.dev/posts/hugging-face-launches-ml-intern-in-huggingchat-xk8nqaq2f 6. MarkTechPost：https://www.marktechpost.com/2026/04/21/hugging-face-releases-ml-intern-an-open-source-ai-agent-that-automates-the-llm-post-training-workflow/ 7. EdTech Innovation Hub：https://www.edtechinnovationhub.com/news/hugging-face-releases-ml-intern-the-ai-agent-teaching-itself-to-beat-claude-code-on-scientific-reasoning