用途：在 Hugging Face Jobs 托管云 GPU 上训练与微调视觉模型，覆盖目标检测、图像分类和 SAM/SAM2 分割/抠图，训练结果自动推送到 Hugging Face Hub，无需本地 GPU 环境。
主要能力：支持微调目标检测模型（D-FINE、RT-DETR v2、DETR、YOLOS）、图像分类模型（timm 的 MobileNetV3、MobileViT、ResNet、ViT/DINOv3 及任意 Transformers 分类器），以及用 bbox 或点提示微调 SAM/SAM2 分割模型；可在自定义数据集上训练检测器、分类器和带提示的分割模型。
使用方式：需 Hugging Face 账号且为 Pro、Team 或 Enterprise 付费计划，令牌需有写权限并放入 job secrets。数据集须在 Hub 上，检测任务需 objects 列含 bbox、category（可选 area），bbox 支持 xywh 或 xyxy 自动转换；分类任务需 image 与 label 列；分割任务需 image、mask 及 prompt/bbox/point 列。训练前建议先用 uv run scripts/dataset_inspector.py --dataset username/dataset-name --split train 校验数据格式。脚本使用 PEP 723 内联依赖，通过 uv run 执行；训练脚本用 HfArgumentParser，配置经 script_args 传入。提交可用 hf_jobs MCP 工具或 HfApi().run_uv_job()，两者在 script 参数、secrets 令牌写法与 timeout 格式上不同。
关键限制：默认 30 分钟超时过短，检测任务建议至少 2-4 小时；必须启用 push_to_hub 并指定 hub_model_id，否则临时环境销毁后结果丢失；检测需 --no_remove_unused_columns、--no_eval_do_concat_batches，分类需 --no_remove_unused_columns，分割需 --remove_unused_columns False 与 --dataloader_pin_memory False；Optional[bool] 参数须显式传 True。作业异步运行，需用户主动查询状态。硬件与模型选择、成本估算等细节可参考 hugging-face-jobs 技能。