Сигнал из хука LLMScience (~1102): Hugging Face завершила серию Training Agents — шесть практических воркшопов про оценку и обучение ИИ-агентов. Путь в ленте: бенчмарки → SFT на трассах → дистилляция → GRPO → обучение в реальных средах. Финал: среда на OpenEnv, связка с TRL, агент для программирования OpenCode через Harbor в песочницах HF. Плейлист бесплатный (в хуке — 300k+ просмотров), код открыт. Цифры просмотров — сигнал канала.
Соседи: pass@k / pass^k, JIT-Agent harness, RL на Mac mini, изоляция sandbox. Витрина — vibe-studio.uk; трафик — TG Lead Finder.
Чем это не является
- Не курс CMU/STATS. Практические воркшопы HF, не академический семестр.
- Не готовый прод-агент «поставь и забудь». Учебный контур eval→train.
- Не разбор всех шести серий по таймкодам. Хук даёт карту и финальный стек.
- Не приглашение ломать sandbox. Harbor/песочницы — для обучения, см. соседа по изоляции.
Что сказал хук простыми словами
Сначала меришь агента (бенчмарки, трассы), потом учишь (SFT, дистилляция, GRPO), потом сажаешь в среду (OpenEnv + Harbor) и снова меришь. Финальный пример — кодовый агент OpenCode, не чат-бот «просто ответь».
Eval→train как привычка вайб-кодера
- Без метрики нет обучения. Сначала критерий (тесты, pass@k), потом fine-tune.
- Трассы важнее промпт-фольклора. SFT на реальных прогонах.
- Среда = правда. Песочница/Harbor ловит то, что чат скрывает.
- Открытый плейлист — учебник, не пресс-релиз: смотри и повторяй кусок.
Связка с pass@k и sandbox
pass@k — язык оценки; серия HF — как от оценки перейти к обучению. Sandbox напоминает: среда для train ≠ дырявый прод.
Как взять кусок за вечер (без выдумок)
- Открой плейлист из хука, выбери один воркшоп (eval или SFT).
- Повтори минимальный пример из их репо, не весь GRPO сразу.
- Acceptance: свой прогон метрики до/после на одной задаче.
- Не утверждай цифры HF сверх «серия есть, код открыт».
Когда серия бесполезна прямо сейчас
- Нужен лендинг завтра — бери готовый агент-харнесс, не train loop.
- Нет GPU/бюджета на RL — хватит промпт+тесты.
- Путаешь OpenCode-демо с лицензией своего продукта.
- Ищешь «курс по математике анализа» — это другой фильтр контента.
Антипаттерны
- «300k просмотров = продакшн-ready агент».
- Учить без бенчмарка «на глаз».
- Игнорировать изоляцию Harbor/песочниц.
- Смешивать с академическими курсами агентов из других хуков.
Чеклист
- Понял цепочку eval → SFT/GRPO → среда?
- Взял один воркшоп, не все шесть?
- Есть своя метрика до/после?
- Sandbox не выключен «для удобства»?
- Не выдаёшь хук за paper-review?
Коротко
Хук LLMScience: HF Training Agents закрыли цикл от бенчмарков до OpenCode в Harbor. Урок — eval→train в среде, не ещё один чат. Витрина — vibe-studio.uk.