/ Модель
Каталог

Характеристики

Архитектура
gemma4 · dense
Базовая модель
gemma-4-e4b-it
Библиотека
transformers
Опубликована
27 июн 2026

Ссылки

Hugging Face

gemma-4-e4b-kinetics54K-SQ_FFT

THChou1220
Изображение и текст → текст

Полностью дообученная Gemma 4 E4B IT для ответов на инструкции и вопросов о содержимом видео.

12скачиваний за 30 дней0лайковвеса обновлены24 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

THChou1220/gemma-4-e4b-kinetics54K-SQ_FFT — полное дообучение мультимодальной модели Google Gemma 4 E4B IT, выполненное на 54 618 примерах инструкций о видео, созданных на основе Kinetics. Модель предназначена для диалогового анализа видеосодержимого и ответов на инструкции о действиях и сценах в роликах.

Модель использует плотную архитектуру Gemma4ForConditionalGeneration и представлена в формате Safetensors. Обучение проведено в bfloat16 за одну эпоху; максимальная длина последовательности при обучении составляла 3072 токена. Карточка указывает обработку изображений, но не уточняет поддержку входного видео как отдельной модальности или перечень языков.

Модель может быть полезна для вопросов и ответов по видеоклипам из сценариев Kinetics. Качество и обобщение за пределами обучающих данных не описаны. Лицензия в доступных данных не указана.

Сценарии применения

  • ответы на вопросы о действиях и сценах в видеоклипах
  • создание текстовых описаний видеосодержимого по инструкциям
  • диалоговый анализ роликов из сценариев, связанных с Kinetics

Ограничения

Обучение выполнено на синтетических инструкциях, связанных с Kinetics; качество на других типах видео не описано. Входное видео как отдельная модальность, перечень поддерживаемых языков и лицензия в предоставленных данных не указаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gemma4-e4b-kinetics54K_FFT

Full fine-tune of google/gemma-4-e4b-it on AI-generated video data derived from Kinetics.

Training

  • Dataset: bear7011/gemma-4-e4b-kinetics_54K
  • Samples: 54,618 video instruction examples (80% for training, 10% for validation, 10% for test)
  • Method: full fine-tuning, no LoRA
  • Precision: bfloat16
  • GPUs: 4
  • DeepSpeed: ZeRO-3 with CPU optimizer and parameter offload
  • Epochs: 1
  • Global steps: 1366
  • Per-device batch size: 1
  • Gradient accumulation steps: 8
  • Optimizer: AdamW
  • Learning rate: 5e-6
  • Projector learning rate: 5e-6
  • Image encoder learning rate: 5e-6
  • Weight decay: 0.01
  • Warmup ratio: 0.03
  • LR scheduler: cosine
  • Gradient checkpointing: enabled
  • Max sequence length: 3072
  • Final training loss: 0.3852

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
e2f898e

0 моделей

    Создать бенчмарк