你有了一个模型想法，真正麻烦的往往不是想法本身，而是写代码、配数据、跑任务、检查结果，再把成果保存下来。Hugging Face 的开源工具 ML Intern，试着把这串工作交给一个智能体：用户用普通英语描述任务，它便通过 CLI——也就是终端里的文字命令界面——查资料、编写脚本、启动训练并反复检查结果。
它与只生成一段代码的聊天机器人不同，重点是继续把代码放到算力环境里执行。按 KDnuggets 的介绍，ML Intern 能调用 GPU 训练任务、记录实验，最后把 checkpoint——训练中保存的模型参数和状态——发布到 Hugging Face Hub，完成成果交付。Hugging Face 公布的一次演示中，它在不到 10 小时内，将一个小型 Qwen 模型在科学推理基准 GPQA 上的成绩从约 10%提高到约 32%。这仍是项目方结果，材料未披露成本、稳定性及人工介入程度；但它展示的方向很明确：机器学习助手正从“帮你写代码”走向“替你跑完整流程”。