HF 员工开源 vision-intern:多角色 VLM 流水线自动标注数据集
mervenoyann · x · 2026-09-07
Hugging Face 员工 merveenoyan 开源了 vision-intern(实验性项目),一个用 Python 几次函数调用就完成「VLM 标注数据集 → VLM-as-judge 评估标注 → 训练目标检测模型」的工具包。
其推荐的架构强调模型分工、不要合并成一个模型:
- Orchestrator(编排者):约 10-12B 思考型模型,驱动流程、看护运行、修错、决定下一步,自己不标注也不评分,跑在 agent/subagent 上。
- Labeller(标注者):约 7-8B VLM,生成数据集上的检测框(取 worker 中较大者),可走 HF Inference Providers 远程或本地部署,成本约 $0.5/千张图。
- Judges(评审者):多个 2-5B 小 VLM,对标注结果打分验证,用多评委集成/投票产生信号。
仓库含 examples、jobs、tools、workflows、agents.md 等,作者表示近日会继续完善,可用于给 Astra 等 agent「tokenmaxx」。
「编程与Agent」频道最新
- 博主称 Google Astra 说话不装腔,替代了最后一点 Claude 依赖 — StewartalsopIII · 2026-09-07
- AI 助手 15 分钟整理 20 年 1.5 万文件 Google Drive,零删除可回滚 — thisiskp_ · 2026-09-07
- 一句话 prompt 在 Apple TV 上搓出双人霓虹 Pong，几分钟就能开玩 — msg · 2026-09-07
- 开源 AI 课堂 OpenMAIC 爆火：几分钟生成完整课程，狂揽 2 万星 — Shruti_0810 · 2026-09-07
- threepointone 设想:让编码 Agent 框架像绿灯戒指一样可改造 — threepointone · 2026-09-07
- 给 AI agent $50 找客户:骂醒 40 位创始人,62% 回复率赚 $600 — Beneficial_Till1206 · 2026-09-07