AI エージェントが論文を読み、実験を設計し、モデルを訓練し、評価を実行し、本番にデプロイできるとしたら――ML エンジニアのワークフローは再定義されつつある。
HuggingFace が今週オープンソース化した ml-intern は、1週間で 7.5k Star（6,388 顆の新規）を獲得し、現在 GitHub 熱榜第2位。HuggingFace 公式がメンテナンスしており、コミュニティ実験ではなく本格的なプロダクト方向性だ。
何ができるか
| ステップ | エージェントの動作 |
|---|---|
| 論文を読む | arXiv 論文を自動検索・解析、手法、データセット、指標を抽出 |
| 実験を設計 | 論文の手法に基づき訓練コードと設定ファイルを生成 |
| モデルを訓練 | 指定ハードウェアで訓練実行、自動チューニング |
| 評価を実行 | 標準ベンチマークでモデル性能を評価 |
| デプロイ | 訓練済みモデルを HuggingFace Hub にプッシュ |
クイックスタート
git clone https://github.com/huggingface/ml-intern.git
cd ml-intern
pip install -e .
export HF_TOKEN="your-token"
ml-intern run --task "Implement the attention mechanism from Transformer paper"