Guide de lecture localisé
huggingface-bestObjectif, utilisation et source
À utiliser lorsque l'utilisateur demande quel est le meilleur modèle pour une tâche, quel modèle d'IA utiliser ou comment comparer les modèles selon leurs scores de référence. Déclencheurs : « meilleur modèle pour X », « quel modèle utiliser pour », « meilleurs modèles pour [tâche] », « quel modèle fonctionne sur monlaptop/machine/device« Recommander un modèle pour », « Quel LLM utiliser pour », « Comparer les modèles pour », « Quel est l'état de l'art pour », ou toute autre question relative au choix d'un modèle d'IA pour un cas d'utilisation spécifique. Utilisez systématiquement cette compétence lorsque l'utilisateur souhaite des recommandations ou des comparaisons de modèles, même s'il ne mentionne pas explicitement Hugging Face ou les benchmarks.
Source récupérée:
- Dépôt source
- huggingface/skills
- SKILL.md
skills/huggingface-best/SKILL.md- Étoiles du dépôt
- 11,241
- Mise à jour du dépôt
- 2026-10-30
- Catégories de capacités
- Autres
- Dernière collecte
Licence : Apache-2.0
Les extraits de flux de travail sont des outils de lecture et non des instructions exécutables de Codez. Aucune compétence tierce n'a été utilisée pour générer cette page.
Les passages relatifs à l'objectif et au flux de travail ci-dessous constituent le contenu original, organisé et traduit pour la lecture. Ils sont distincts de l'analyse éditoriale de Codez, qui est étiquetée séparément.
À quoi sert cette compétence ?
À utiliser lorsque l'utilisateur demande quel est le meilleur modèle pour une tâche, quel modèle d'IA utiliser ou comment comparer les modèles selon leurs scores de référence. Déclencheurs : « meilleur modèle pour X », « quel modèle utiliser pour », « meilleurs modèles pour [tâche] », « quel modèle fonctionne sur monlaptop/machine/device« Recommander un modèle pour », « Quel LLM utiliser pour », « Comparer les modèles pour », « Quel est l'état de l'art pour », ou toute autre question relative au choix d'un modèle d'IA pour un cas d'utilisation spécifique. Utilisez systématiquement cette compétence lorsque l'utilisateur souhaite des recommandations ou des comparaisons de modèles, même s'il ne mentionne pas explicitement Hugging Face ou les benchmarks.
Comment fonctionne le flux de travail en amont
Étape1Analyser la requête
Extrait du message de l'utilisateur : Tâche : ce qu'il souhaite que le modèle fasse (codage,math/reasoning, chat, OCR,RAG/retrieval(reconnaissance vocale, classification d'images, multimodalité, agents, etc.) Appareil : contraintes matérielles (MacBook série M)8/16/32/64GBmémoire unifiée, GPU RTX avec quantité de VRAM, CPU uniquement,cloud/no(Contrainte, etc.) Si le périphérique n'est pas précisé, ignorez le filtrage et renvoyez les modèles les plus performants, quelle que soit leur taille. Si la tâche est réellement ambiguë, posez une question pour la clarifier.
passage en amont · L22 ↗Étape2: Trouver des jeux de données de référence pertinents
Récupérez la liste complète des benchmarks HF officiels : parcourez la liste et sélectionnez les jeux de données les plus pertinents pour votre tâche (correspondance par identifiant, étiquettes et description). Faites preuve de discernement ; ne vous limitez pas à…2-3Visez une couverture exhaustive : si5Les benchmarks couvrent clairement la tâche, utilisez-les tous5.
passage en amont · L41 ↗Étape3: Récupérer les meilleurs modèles des classements
Pour chaque jeu de données de référence sélectionné : collecter les identifiants et les scores des modèles pour tous les jeux de données de référence. Si un classement renvoie une erreur (404,401, etc.), ignorez-le et notez-le dans le résultat.
passage en amont · L54 ↗curl -s -H "Authorization: Bearer $(cat ~/.cache/huggingface/token)" \
"https://huggingface.co/api/datasets?filter=benchmark:official&limit=500" | jq '[.[] | {id, tags, description}]'Configuration requise
Aucun extrait de configuration n'a été sélectionné dans ce fichier. Cela ne signifie pas que la compétence est sans dépendances. Consultez les instructions de configuration du dépôt et les fichiers référencés.
Limites et contrôles de qualité
Aucun passage de limite distinct n'a été sélectionné dans ce fichier. Cela ne signifie pas que la compétence est sûre pour toutes les entrées ou tous les environnements. Consultez le code source complet et validez vos résultats.
Commencez par un essai sans danger
- Vérifiez l'hôte pris en charge et les instructions d'installation du dépôt. Conservez le répertoire Skill ainsi que ses scripts, ressources et documentation référencés ;SKILL.mdSeul, il peut omettre les dépendances.
- Indiquez à l'agent vos paramètres d'entrée réels, le résultat souhaité et les critères d'acceptation. La syntaxe d'appel et les outils disponibles dépendent du système hôte ; ce site ne propose pas de commande d'installation universelle.
- Testez le flux de travail source dans un projet temporaire ou sur une copie. Avant d'autoriser les opérations qui modifient des fichiers, des services distants ou des ressources facturables, examinez-les attentivement.
- Vérifiez la conformité du résultat avec les contrôles qualité sources et vos propres exigences. Un déclenchement réussi ou un nombre élevé d'étoiles dans le dépôt ne garantissent pas un résultat correct.
Pour en savoir plus, consultez la source.
- HuggingFace Meilleur Modèle Chercheur
- Étape1Analyser la requête
- Dispositif → budget maximal des paramètres
- Étape2: Trouver des jeux de données de référence pertinents
- Étape3: Récupérer les meilleurs modèles des classements
- Étape4Enrichir avec des métadonnées du modèle
- Étape5Filtrer et classer
- Tableau comparatif
- Suivi
- Gestion des erreurs
Compétences connexes
Traduction et étendue
Ce guide de lecture sélectionne des passages de l'amont épingléSKILL.mdCette traduction est assistée. Elle ne constitue pas un manuel complet et ne garantit pas une compatibilité testée. Veuillez lire le document original et les fichiers auxquels il fait référence avant utilisation.
Cette introduction fait référence à la version épinglée ci-dessous ; l’activité actuelle du dépôt et la durée de la collecte sont indiquées séparément.
- Source épinglée
- Lire l'original ↗
- Source récupérée
- Commit source
fabc634a893f62ad5c2039830397efa35fa62715- Source SHA-256
4566c02cb6da804dcc434b6b4d48a1895e937157cdaec4ec4c523a2f97cf16d0