用途：在 Hugging Face 全托管基础设施上使用 TRL（Transformer Reinforcement Learning）训练或微调语言模型，无需本地 GPU，结果自动保存到 Hugging Face Hub。支持的方法包括 SFT（监督微调）、DPO（直接偏好优化）、GRPO（在线强化学习）与奖励模型训练。
主要能力：通过 hf_jobs() MCP 工具以内联 Python 脚本提交训练任务，脚本使用 PEP 723 内联依赖，并建议集成 Trackio 做实时监控；可为模型和数据集选择 GPU 规格（t4、l4、a10g、a100、h100 等），设置超时，并将模型推送至 Hub。也可用 TRL 官方维护脚本、uv-scripts 组织下的现成脚本，或 CLI 命令 hf jobs uv run 运行。
使用方式：训练脚本可直接作为字符串传给 hf_jobs("uv", {...})，不使用本地文件路径；若用 CLI，须遵循 hf jobs uv run --flavor a10g-large --timeout 2h --secrets HF_TOKEN "<脚本URL>"，标志位放在脚本 URL 之前，使用 --secrets（复数）。脚本内建议设置 push_to_hub=True 与 hub_model_id，并在任务配置中传入 secrets={"HF_TOKEN": "$HF_TOKEN"}。本地脚本可用 uv run 运行，例如 uv run scripts/estimate_cost.py --help。
适用场景：需要云端微调语言模型、使用 TRL 方法训练、将模型转换为 GGUF 以便本地部署（Ollama、LM Studio、llama.cpp）、需要结果持久保存到 Hub，或采用优化默认值的工作流。显存有限、需要速度、训练大于 13B 模型或训练视觉语言模型时，资料建议改用 Unsloth。
限制与注意事项：Jobs 需要付费计划（Pro、Team 或 Enterprise）并完成登录认证，HF_TOKEN 必须具备写权限；训练环境是临时的，不推送 Hub 会丢失全部训练结果。默认超时 30 分钟通常过短，应设置 1–2 小时或更长；任务异步运行，初始日志可能延迟 30–60 秒。数据集必须位于 Hub 或可通过 datasets.load_dataset() 加载，且格式需匹配训练方法；未知数据集应先验证。TRL 配置类使用 max_length（不是 max_seq_length）。部分内容（如完整硬件成本表、Trackio 配置细节）资料未完整提供。