HuggingChat 里的 ML-Intern 端到端跑完整个蒸馏项目
Gradio · x · 2026-09-23
Gradio 透露整个项目的执行方式：由 HuggingChat 中的 ML-Intern 端到端完成——用 18 种语言撰写 8797 条请求，用 Qwen 原版 9B 教师模型打标，过滤后用 TRL 训练两个学生模型，在文本和渲染图上评测，并全部推送到 Hub。人类只负责批预算和读报告。
所属事件:Gradio 晒蒸馏账单：总成本仅 16 美元由 AI 端到端完成(2 条相关)→
「编程与Agent」频道最新
- 开源 MCP 服务器实现在 IDE 内管理 GitHub Gist — modelcontextprotocol · 2026-09-23
- Stripe 推出 WebMCP，Agent 完成支付省 42% token — jeff_weinstein · 2026-09-23
- Swarms 市场支持从私有 GitHub 仓库导入并上架售卖智能体 — KyeGomezB · 2026-09-23
- 让 Opus 5 写交接提示词，再用 Opus 5.5 杀掉旧 worker — doodlestein · 2026-09-23
- AssemblyAI HTTP tools 实战:免 WebSocket 部署可预约语音 Agent — AssemblyAI · 2026-09-23
- 与 Opus 5.5 对话一小时，做出 WebGPU 3D 落地页 — kevinkern · 2026-09-23