The PR you would have opened yourself｜自分自身が開いたであろうプルリクエスト

**再現性の保証**: 誰でもテストハーネス（test harness）リポジトリをダウンロードしてテストを実行できます。 **ドキュメントと透明性**: すべての結果はさまざまな粒度で保存されます。サマリーレポート、モデルごとの詳細、そしてJSONファイルとして保存された生の入力/出力です。テスト自体も結果フォルダにコピーされるため、将来ハーネスに変更を加えても、何を実行したのかがわかります。 テストハーネスはCIゲートではありません。一部のチェックは単純明快ですが（出力のデータ型は正しいか？）、ほとんどのチェックは定性的です。事前学習済みモデルが長いシーケンスで自己反復するのは正常か？ transformersベースラインに対する4%の相対ロジット差は許容範囲か？これらは類似アーキテクチャの経験に基づく判断が必要です。ハーネスは有用なシグナルを提供しますが、最終的な判断はレビュアーとコントリビューターが行わなければなりません。 **スキルの使用方法** このスキルは、すでにmlx-lmモデルのプルリクエストを開いている人、または自分で手動で行うであろう人向けに設計されています。大量消費を意図したものではありません。なぜなら、mlx-lmへのプルリクエストは一目で受け入れられることはほとんどないからです。典型的なサイクルは次の通りです。コントリビューターがプルリクエストを開き、レビュアーが改善点を指摘し、品質基準が満たされるまで両者が反復します。これは専門家による提出にも当てはまることであり、エージェント支援による提出にも当てはまるでしょう。 そのようなサイクルに参加する準備ができていないなら、おそらくプルリクエストを開くべきではありません。レビュアーは（エージェント支援であることを知っていても）あなたのコードを理解する努力をします。あなたも同じようにすべきです。コードを所有し、彼らのフィードバックを取り入れる準備をしてください。特に、レビュアーのコメントをエージェントに戻して、それが生成したものをそのまま投稿しないでください。LLMは自分の決定を強化し、脱線し、効果的に反論しません。レビュアーと関わり始めたら、これは人と人との対話になります。ですから、あなたの番です。議論し、彼らが費やした時間を尊重してください。 学習のためにこのスキルを使うこともできます。自信と経験が積み上がるまで、何も提出する必要はありません。スキルを読んで、あなたが気づいていなかった問題領域を特定してください。スキルファイル、リファレンスドキュメント、ユーティリティスクリプトを合わせて約1万5千語が含まれています。mlx-lmのあなた自身のフォークを指定し、変換を試み、公式リポジトリにマージされた承認済み実装とあなたの出力を比較してください。これを数回行えば、トランスフォーマーズ（transformers）、MLX、言語モデルアーキテクチャについて多くを学べるでしょう。 準備ができたら: ``` uv run https://raw.githubusercontent.com/huggingface/transformers-to-mlx/main/install_skill.py uvx hf skills add --claude ``` このスキルはClaude Codeを使用して開発およびテストしました。同じアプローチはCodexや他のコーディングエージェントでも機能するはずですが、それらはテストしていません。異なる環境でこのスキルを試す場合は、結果をぜひお知らせください！ **次のステップと既知の欠点** このスキルはmlx-lm内のLLMに対してはうまく機能しますが、成長の余地はたくさんあります。 **mlx-vlm**: ビジョン言語モデル（Vision-Language Models, VLM）は、異なる慣習を持つ別のリポジトリにあります。モデリングコードを超えて、mlx-vlmはLLMが入力を見る前に画像前処理を扱うプロセッサー（processor）を必要とします。Prince Canuma氏が彼の仕事を行うのを支援するために、彼との協力を楽しみにしています。 **llama.cpp**: いくつかの同じ課題が当てはまります。プロセッサーはC++で画像処理アルゴリズムを複製する必要があり、数値の違いは避けられません。これは、範囲を限定したエージェントが役立つ可能性のある分野です。 **テストハーネス**: テストバッテリーを拡張し、私たちのインフラ上でテストを自動的に実行する安全な自動化を探求したいと考えています。 **まだ機能しないもの** * **mlx-lm内の共有ユーティリティ**: mlx-lmは、共通パターンを共有関数に抽出することに関して、transformersほど厳格ではありません。このスキルは意図的に自己完結型のモデルファイル（transformersと同じ）に偏っていますが、レビュアーは繰り返されるコードを共有モジュールに移動するリファクタリングを定期的に要求します。 * 上記の通り、VLMやその他のアーキテクチャ。 * **量子化モデルのアップロード**: このスキルは量子化（quantization）をテストしますが、量子化モデルをハブにアップロードしません。プルリクエストがレビューされている間にアップロードすることは意味がないと考えていますが、後で行うためのフローを作成することは可能です。 * **思考テスト**: 思考（thinking）特有のテストはまだ設計されていません。このスキルはこれらのモデルからの生成を変換・検証しますが、思考構造を検証しません。 オープンソースのボトルネックはタイピング速度ではありません。ユーザーとの暗黙的・明示的な契約を破らずにコードベースを変更するための理解です。何が重要かをエージェントに教えれば、このプロセスでエージェントは役立ちます。私たちはmlx-lmの文脈でこれがどのようなものかを探求し、コントリビューターとレビュアーが高品質なモデル変換をより速くマージするのに役立つことを願っています！ * transformers-to-mlx スキルリポジトリ * テストハーネスリポジトリ * フォークに対するエージェント支援変換の例 * mlx-lm、ターゲットライブラリ * transformers、モデリングコードの真実の源 * Claude Code スキルドキュメント * Transformers 設計哲学 * Transformersライブラリ: モデル定義の標準化 この投稿の以前のバージョンを読み、大幅に改善してくれたBen、Shaun、Aritraに心から感謝します 🙌 MLXをオープンソースプロジェクトにしてくださったApple、そしてその価値を即座に認識し熱心に貢献してくださっているコミュニティに、計り知れない恩義を感じています 🙏 ![](https://cdn-avatars.huggingface.co/v1/production/uploads/623c830997ddced06d78699b/ucB8joTPONCnc_Gj0mssR.jpeg) ![](https://cdn-avatars.huggingface.co/v1/production/uploads/623c830997ddced06d78699b/3qTjC7d3YFCJTwpxd2noq.png) ![出典: @ClementDelangue](https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/blog/transformers-to-mlx/clem-on-ai-slop.png) ![出典: a16z / Sensor Tower](https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/blog/transformers-to-mlx/app-store-chart.jpg)

自分自身が開いたであろうプルリクエスト

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト