ML Intern: delegue o treino, preserve o critério de aceite
O relato da Hugging Face mostra por que baseline, orçamento e verificação dos pesos precisam entrar no pedido de treinamento.
A tarefa muda de mãos quando você entrega ao agente a escolha de como treinar. O critério de sucesso precisa ir junto. No relato sobre ML Intern, o agente planeja, solicita autorização para gastos, executa uma verificação inicial e segue para treinamento, avaliação e publicação no Hub.
O detalhe útil está no pedido: medir o modelo original antes de alterá-lo e verificar se os pesos salvos realmente mudaram durante a execução curta. Isso separa duas perguntas diferentes: o treinamento aconteceu e o resultado ficou melhor?
Minha recomendação é colocar no briefing o conjunto de avaliação, os artefatos esperados e o orçamento autorizado. Registre também fatos já conferidos para que o agente não refaça essa investigação. Os autores mostram essa prática nos próprios projetos; ela não garante que qualquer conjunto de dados produzirá um modelo útil.
Os valores relatados são cobranças computacionais daqueles trabalhos, não uma estimativa universal. A decisão operacional continua sendo sua: qual evidência permitirá ampliar o treinamento?
Fonte: yuvraj sharma e Abubakar Abid, Hugging Face, The model that didn't exist, so you made it yourself, publicado em 8 de outubro de 2026.