Агенты для самообучения: Hermes Agent, HF Traces, skills, MCP и fine-tuning
Self-Training Agents: Hermes Agent, HF Traces, Skills, MCP & Finetuning — Merve Noyan, Hugging Face
Агент с доступом к Hugging Face Hub через MCP и skills, по словам спикера, сам подбирает модель и запускает её дообучение без ручной настройки инфраструктуры.
- Открытые модели против закрытых — по словам спикера, открытые модели почти догнали закрытые по Artificial Analysis Intelligence Index. Открытые веса можно квантовать, дообучать и запускать на edge-устройствах, и данные при этом никуда не уходят.
- Выбор модели по бенчмаркам — раздел Benchmark Datasets на Hub показывает рейтинги открытых моделей по SWE-bench Pro, Humanity's Last Exam и AIME. Inference Providers направляет запросы к провайдерам и сравнивает их по цене, скорости и поддержке tool calling.
- Локальный запуск — по словам спикера, большая Gemma 4 в 4-битном квантовании помещается в L4 с 24 ГБ VRAM. На Hub для каждой модели есть GGUF-карточка с проверкой совместимости с железом.
- Дообучение через агента — skills для LLM trainer позволяют попросить Claude Code дообучить vision-language модель. Агент сам считает нужный объём VRAM, задаёт уточняющие вопросы, запускает задачу и публикует результат в Hub.
Кому полезно: инженерам, которые хотят запускать открытые модели локально или дообучать их через агентов. Значительная часть доклада — обзор функций Hugging Face, а не методика.
Статья по теме
Главы
Ещё доклады: Merve Noyan
Страница спикера →Проблема не в навыках: не деплойте vision language models — используйте их с Skills
AI Engineer World's Fair 2026
Сжатие моделей для edge-устройств
Daniel Han, Merve Noyan, Chris Alexiuk, Asma Beevi, Parth Sareen
AI Engineer World's Fair 2026
Похожие доклады
Практикум по fine-tuning MCP-агента
AI Engineer World's Fair 2025
Близко по содержанию
Для чего вообще используют open models?
AI Engineer Summit 2025
Близко по содержанию
Скиллы вместо функций: как агенты учатся и сами улучшают свои навыки
Agentic Dev Conf 2026
Близко по содержанию

