HF 工程师开源 vision-intern:花 6 美元给 agent 配视觉专用小模型
mervenoyann · x · 2026-11-17
Hugging Face 工程师 Merve Noyan 开源了 vision-intern 工具包(AI Engineer 演讲配套项目),主张「用前沿大模型做目标检测是技能问题」:应把 LLM 当「视觉实习生」,为具体任务训练便宜的小模型。
- 工具包把从人体关键点检测到零样本分割的一批她常用模型封装为 agent 工具:用 VLM 给数据集打标、用 VLM-as-judge 评估标注质量,再几行函数调用完成训练。
- 流水线:任意 coding agent 做编排 → Qwen3 系列等小型 VLM 打标 → Gemma-4/LFM-VL 等 VLM 双评委集成投票合并判定 → 在保留样本上微调 Roboflow rf-detr-large 得到检测器。
- 成本:用 Qwen3.5-9B 租 GPU 训练一个像样的检测器约 6 美元,本地 GPU 则零成本。
- 已知限制:暂不支持分割训练;目标实例极多的场景可能不适用。
所属事件:HF 工程师开源 vision-intern:6 美元训出视觉专用小模型(2 条相关)→
「编程与Agent」频道最新
- Poolside 联创:一切功能终将坍缩进模型,Rex 为此而生 — sull · 2026-11-17
- 伯克利博士生推出 FrontierCS 2,让 AI 智能体盲测挑战已发表论文 — arena · 2026-11-17
- 开源 VPS MCP Server:让 AI 直接通过 Portainer 管理容器 — modelcontextprotocol · 2026-11-17
- 高通演示端侧小模型分流:每请求 8.6ms 决定本地还是上云 — carrycooldude · 2026-11-17
- 用户公开致信 OpenAI:Dot 一周后持续退化,考虑转投 Anthropic — Danny7Guns · 2026-11-17
- 开发者发起把 Three.js 渲染质量拉到 AAA 级的攻关计划 — anselm · 2026-11-17