用途：在 Hugging Face Jobs 的托管云 GPU 上微调与评估视觉模型，无需本地 GPU，结果可推送到 Hugging Face Hub。支持目标检测、图像分类与 SAM/SAM2 分割；文本/语言模型微调应改用同包 huggingface-llm-trainer。
主要能力：目标检测支持 D-FINE、RT-DETR v2、DETR、YOLOS，自动检测并转换 xywh（COCO）或 xyxy（Pascal VOC）框，自动重映射类别、生成 image_id。图像分类支持 timm/ 与 Transformers 分类器，自动识别 image/label 及常见别名列。SAM/SAM2 默认仅训练 mask decoder，视觉与提示编码器冻结，支持 bbox 或 point 提示。附带脚本 dataset_inspector.py、estimate_cost.py、各模态训练脚本，用 PEP 723 内联依赖，可通过 uv run 执行。
使用方式：先确认账号、token 与数据集，用 dataset_inspector.py 校验格式（常见失败原因是格式不匹配）；向用户确认数据规模、是否划验证集及 GPU 型号。通过 hf jobs uv run CLI、hf_jobs() MCP 工具或 Python API run_uv_job 提交，脚本参数由 HfArgumentParser 以 CLI 风格传入。各模态必需标志：检测用 --no_remove_unused_columns、--no_eval_do_concat_batches、--metric_for_best_model eval_map、--greater_is_better True；分类用 --metric_for_best_model eval_accuracy；SAM 用 --remove_unused_columns False、--prompt_type bbox 或 point、--dataloader_pin_memory False。自定义脚本需在构造 Trainer 前从环境变量 HF_TOKEN 设置 training_args.hub_token。
适用场景：小规模快速验证到 5K+ 图像的生产训练；模型与硬件建议见资料，如 t4-small 可覆盖推荐检测/分类模型，SAM2 大模型需 l4x1 或 a10g-large。
限制：Jobs 需 Pro/Team/Enterprise 付费计划；默认 30 分钟超时过短，视觉训练建议 2-4 小时并按规模加缓冲；不轮询任务，需用户主动查询状态。常见失败包括 CUDA OOM、数据格式错误、Hub 推送 401 与任务超时。具体价格与计费未在资料中给出详细数值，需以平台实际为准。