bk99.de entertain the web since 1997

bk99.de
HF · MLOpsKuratiert

Machine Learning als versionierbarer Code

Zusammenfassung

Der Beitrag beschreibt den Wandel von isolierten Modellen zu kollaborativen, versionierten Artefakten. Modelle, Datensätze und Anwendungen sollen mit ähnlichen Arbeitsweisen wie Quellcode entwickelt werden. Der Hub verwendet Git-basierte Repositories für Modelle und Datensätze.

Ideen

  • Nachvollziehbare ML-Arbeit braucht Versionen für Daten und Gewichte, nicht nur für Python-Code.
  • Kollaboration wird leichter, wenn Artefakte direkt ausführbar und überprüfbar bleiben.

Einsichten

  • Reproduzierbarkeit verlangt unveränderliche Bezüge auf alle Artefakte, nicht nur auf Quellcode.

Fakten

  • Der Hub verwendet Git-basierte Repositories für Modelle und Datensätze.
  • Modellkarten dokumentieren Einsatzzweck, Grenzen und Evaluierung.

Kritik

  • Die Code-Metapher unterschätzt Datenschutz, Datenherkunft und hohe Kosten binärer Artefakte.

Empfehlungen

  • Versioniere Datenreferenz, Modellrevision, Konfiguration und Auswertungscode in einem reproduzierbaren Lauf.

Referenzen

Originalbeitrag auf Hugging Face lesen →

Im Webarchiv suchen

HF · 2025

Ein MCP-Agent in fünfzig Zeilen Code

Tiny Agents zeigt einen bewusst kleinen Agenten, der Werkzeuge über das Model Context Protocol entdeckt und aufruft. Der Code macht Planungs- und Ausführungsschleife direkt nachvollziehbar.

HF · 2024

Einfache Agenten, die Aktionen als Code schreiben

smolagents reduziert Agentenlogik auf kleine, nachvollziehbare Komponenten und lässt Modelle Werkzeuge über erzeugten Code steuern. Der Ansatz bevorzugt Lesbarkeit gegenüber umfangreichen Orchestrierungsframeworks.

HF · 2024

StarCoder auf Xeon quantisieren und beschleunigen

Der Beitrag kombiniert 8- und 4-Bit-Quantisierung mit spekulativem Decoding für StarCoder auf Xeon-Prozessoren. Er zeigt mehrere voneinander unabhängige Wege zu schnellerer Codegenerierung.