大数跨境

72小时,500+个AI研究项目同时开跑!Hugging Face「AI实习生」把自动科研干成了流水线

72小时,500+个AI研究项目同时开跑!Hugging Face「AI实习生」把自动科研干成了流水线 未来跃迁
2026-04-26
0
导读:72小时,500+个AI研究项目同时开跑!Hugging Face「AI实习生」把自动科研干成了流水线

导读
Hugging Face 开源的 ml-intern,72小时内平台上始终同时跑着500多个自治AI研究项目——有人让它从零设计替代Transformer的新架构,有人让它把字节跳动的LoopLM和BitNet融合做极限压缩。3000人试用、近百万次围观、GitHub 5700星。这一次,AI不只是帮你补代码,它开始自己读论文、找数据、写训练脚本、跑实验、看结果、改方案,循环往复。自动科研的「工厂化」轮廓,第一次被这么多人同时看见了。

一条推文引爆:500个AI研究员同时上班

4月25日凌晨,ml-intern 项目发起者 Aksel 在 X 上甩出一条帖子,直接把讨论拉到了新高度:

"For the last 72 hours since ml-intern launched we have had over 500+ autonomous AI research projects running on the Space at all times."

「自从 ml-intern 上线后的过去72小时里,平台上一直同时运行着500多个自治AI研究项目。」

▲ Aksel 发布的爆点推文,549赞、6.4万次查看

这500多个项目全部来自真实用户一个个扔进去的研究课题,没有一个是预设脚本批量刷的。

Aksel 举了三个让他自己都震惊的例子:

第一个,有人让 ml-intern 从零构建一套替代 Transformer 的全新推理架构——基于能量最小化、二进制稀疏地址表和循环卷积绑定,不用 GPU、不用梯度、不用训练数据,纯 bitwise 运算。按 Aksel 的说法,「几年的研究量,两天就跑出来了」。

第二个,有人把字节跳动的 LoopLM(循环深度共享层的 Transformer)和 BitNet b1.58(三值 1.58-bit 权重)交叉融合,做出一个既能无限深又几乎不占参数内存的模型。

第三个,有人在设计一种模仿人脑丘脑-皮层回路的新 attention 机制,结合 MIT、哈佛和佛罗里达大学 2025-2026 年的最新论文,用 EEG 脑电数据加强化学习闭环来训练。

"The use cases people bring are cooler and more impressive than anything we imagined when we built this."

「用户带来的研究方向,比我们造这个工具时想象的任何东西都更酷、更震撼。」

这段话透露了一个关键信号:平台上的研究题目开始外溢,不再是团队内部预设好的 demo,而是外部用户自由输入的真实课题。这很像一个平台化拐点。

先搞清楚:ml-intern 到底是什么?

在聊「500+自治项目」之前,得先把一个概念理清楚:ml-intern 不是普通的代码补全工具。

GitHub 仓库对它的定义:

"An ML intern that autonomously researches, writes, and ships good quality ML related code using the Hugging Face ecosystem."

「一个能在 Hugging Face 生态里自治地调研、编写并交付高质量 ML 代码的 ML 实习生。」

▲ ml-intern GitHub 仓库,5.7k stars / 509 forks

关键词在哪?researches、writes、ships。

普通 coding agent 做的事是帮你补一个函数、改一段 bug。ml-intern 做的事是:读论文 → 顺着引用链找更多文献 → 去 Hub 上找数据集 → 写训练脚本 → 用 GPU sandbox 或 HF Jobs 跑训练 → 读评测结果 → 判断失败原因 → 再迭代。

这是一条接近真实 ML 研究员日常工作的闭环,差距在于——它全程自动,不需要人盯着。

但边界也要讲清楚:它最擅长的场景是围绕 Hugging Face 生态的 post-training(后训练)和实验迭代流程。它能调 arXiv、HF Papers、HF Datasets、HF Hub 的各种资源,但它不是一个全学科通用的「自动科学家大脑」。

15分钟通过 Hugging Face 实习生考试

ml-intern 到底有多能干?4月23日,Aksel 甩出了一个让人印象深刻的 demo。

"This is crazy. ml-intern just passed the @huggingface internship test in 15 minutes."

「这太疯了。ml-intern 刚在15分钟内通过了 Hugging Face 的实习生入职考试。」

▲ 这条推文拿到795赞、7.5万次查看

考试题目是:复现一篇 DeepMind 关于测试时计算扩展的论文 baseline。

ml-intern 做了什么?

  • 读了 DeepMind 论文,翻到附录 E,选对了评分策略(last-step PRM prediction,不是 min/product)
  • 把16个解法按最终答案分组,用 reward model 打分、加权求和,选出最优解
  • 准确率从 45% 拉到 65%,比 greedy 高出20个百分点,超过了 majority vote 和标准 Best-of-N
  • 自己生成了4张图表、把完整结果数据集推到 Hub 上、还在 T4 GPU 上部署了一个 Docker Space

▲ ml-intern 产出的完整实习报告,发布在 Hugging Face Community Blog 上

▲ 结果对比:Weighted Best-of-N (65%) 全面领先

最搞笑的一个细节:它在报告里引用了自己老板 @lewtun 的代码,还专门加了共同作者说明,写清楚了哪些部分是它做的。

一个 agent,15分钟,从读论文到出完整报告加部署,全程自动。这已经超出了「代码补全」的范畴——它更像一个能执行研究全流程的自动化系统。

从发布到爆发:4天3000人涌入

回到故事的起点。

4月21日,Aksel 发出 ml-intern 的正式 launch 推文,一条帖子信息量极大:产品形态(CLI + Web/Mobile)、运行生态(Hugging Face 全家桶)、多个具体 demo。

▲ launch 推文,4372赞、近百万次查看——这是目前最火的一条

其中最抓眼球的数据:在 PostTrainBench 评测中,ml-intern 把 Qwen3-1.7B 在 GPQA(科学推理)上的分数从约10%拉到32%,而且只用了不到10小时、1块 H100。作为对比,Claude Code 在同一评测中的最佳成绩是 22.99%。

MarkTechPost 在同日就发了报道,标题直接点明:这是一个自动化 LLM 后训练工作流的开源 AI Agent。

▲ MarkTechPost 快速跟进报道

然后事情开始加速。

4月24日,Hugging Face CEO Clement Delangue 发帖:

"3,000 people are testing the ml-intern!"

「3000人正在试用 ml-intern!」

▲ HF CEO 亲自发帖,截图里可以看到 Team members 已达 3005 人

发布仅三天,三千人涌进来给一个 AI agent 喂研究课题——这个试用规模,放在任何开源 agent 项目里都算炸裂的。

再过一天,500+ 自治研究项目并发运行的消息就出来了。

降温时间:别急着说「AI已经接管科研」

故事讲到这里,很容易让人热血上头。但有几个事实必须摆出来。

第一,500+并发项目的数据来源是 Aksel 本人描述,不是公开 dashboard。

到目前为止,没有公开的项目总览页、系统日志面板或成功率统计。Aksel 举的三个案例中,两个外链我们尝试核验——一个返回404,另一个显示该用户暂无公开 Space。叙事很炸,但普通读者今天点进去不一定能看到对应成果。

第二,Clement 自己承认产品还很早期。

在那条「3000人测试」的帖子下面,有用户直说产品"very buggy and a waste of tokens"(bug很多,浪费token)。Clement 的回应很坦诚:

"Yeah still very early/buggy/limited ... Much more of a fun way to learn and experiment at this point..."

「对,目前还很早期、很多 bug、能力有限……现阶段更像一种有趣的学习和实验方式。」

第三,benchmark 成绩的归因有争议。

发布当天,PostTrainBench 相关研究者 Maksym Andriushchenko 就公开提醒:Hugging Face 使用了 PostTrainBench 的设置、基线和任务示例,应该做 proper acknowledgment(正式致谢)。Aksel 随后确认他们正在跑 PostTrainBench,并表示正在准备可公开发布的官方分数。

这段插曲说明:从发布第一天起,成绩怎么算、baseline 归谁、引用是否规范,就已经是社区关注的焦点。

第四,有经验的从业者也在提醒:样本量太小,别过度解读。

一位社区评论者的说法非常中肯:

"On 20 problems, 65 vs 60 is one problem of swing. Methodology is right, deployment is real, PRM score plot is genuinely useful. Headline number is noisier than it reads."

「在20道题上,65% 和 60% 之间只差一道题。方法论没问题,部署是真的,PRM 评分图确实有用。但标题数字比你读到的更嘈杂。」

不过他也补了一句:「一个能读懂附录 E、选对评分策略、还会写共同作者声明的 agent,已经超过我面试过的大多数人了。」

真正值得关注的信号是什么?

剥掉所有噪音,ml-intern 这件事最值得写进记忆的一点是:

公开互联网上第一次比较直观地看到:一个面向研究流程的 agent 系统,开始在真实用户输入驱动下,以数百项目并发的方式持续运行。

过去一年,AI 社区讨论过各种 AI Scientist、auto-research agent。但大多数案例停在 demo 阶段,要么是一个 agent 跑一个预设任务,要么是论文里的概念验证。

ml-intern 的 500+ 推文把叙事推到了下一层:如果一个 agent 平台可以同时承载数百个不同方向的研究任务——从架构创新到模型压缩到脑启发式设计——那行业竞争的下一个维度可能就不只是模型能力,还有任务吞吐、实验调度、失败恢复和成果筛选。

换句话说,这开始像一个「自动科研工厂」的雏形。

当然,工厂刚建好第一条生产线,质检还没到位,良品率也没公布。但方向已经露出来了。

而且有一个细节容易被忽略:ml-intern 的研究课题来自外部用户自由输入,不是团队预设。这意味着平台的题目空间开始外溢,任务池正在用户驱动下自己生长。这个模式,非常像平台化产品的早期拐点。

Hugging Face 正在赌的,可能就是这件事:当足够多的人把足够多的研究问题喂给一个足够好的 agent 系统时,自动科研就不再是概念,而是一条可以量产的流水线。

它能不能跑通?现在说太早。但这是第一次,我们能用肉眼看到这条流水线开始转了。


— END —

— END —

【声明】内容源于网络
0
0
未来跃迁
1234
内容 602
粉丝 0
未来跃迁 1234
总阅读2
粉丝0
内容602