跳到正文
  1. Hugging Face Blog66

    作者用 ML Intern 在几天内自建六个模型,总花费约 103 美元

    作者在 HuggingChat 中开启 ML-intern,用提示词驱动智能体完成数据构建、训练、评测与发布,几天内做出六个模型,总计算成本约 103 美元。其中把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏成 0.8B 版本,可在 CPU 上运行,输出有效率 99.7%,token 用量约为教师模型的四分之一。作者公开了七个提示词,并建议在提示中要求基线分数、冒烟测试和预算上限。

    推荐理由:作者用 ML Intern 从零训练六个小模型的完整提示词与成本清单,可迁移到自己的微调与蒸馏流程。

  1. Hugging Face Blog60

    Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平

    NVIDIA 团队从 Nemotron 3 出发,用 SFT、RL 和反馈驱动的推理流程做出两个专家系统,在 IOI 2026 得 535.4/600、IMO 2026 得 30/42,均超过各自金牌线。

    推荐理由:原文公开了微调配方、数据集与推理流水线,读者可据此复现领域专家模型的训练与验证流程。

已经到底了