/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
257 млн
Лицензия
Gemma
Архитектура
gemma3_text · dense
Базовая модель
gemma-3-270m-it
Библиотека
transformers
Опубликована
20 авг 2026

dispensary-product-name-gemma3

Генерация текстаТекст → текст3 профессии

Дообученная Gemma 3 нормализует названия товаров Dutchie POS в канонический формат «сорт — тип» для учёта ассортимента диспансера.

82скачиваний за 30 дней0лайковвеса обновлены21 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 «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.

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

Модель acidtib/dispensary-product-name-gemma3 — текстовая модель на архитектуре Gemma 3, разработанная acidtib дообучением google/gemma-3-270m-it. Она преобразует необработанные названия товаров из кассовой системы Dutchie POS в краткое каноническое имя формата «сорт — тип» для внутреннего учёта ассортимента диспансера. Вход может содержать бренд, категорию, подкатегорию и исходное название; модель предназначена для узкой задачи нормализации, а не для использования общего назначения.

Модель содержит 257 млн параметров, работает через Transformers и принимает текстовые запросы в диалоговом формате. Контекст — до 32 768 токенов. Обучение проводилось на 1 697 примерах из 152 брендов и трёх категорий; на отложенной выборке из 245 примеров точное совпадение составило 98,8%, нормализованное — 99,2%. Поддерживаемый язык карточки — английский, а данные задачи содержат названия товаров на нидерландском рынке. Лицензия — Gemma; применимые условия использования определяются лицензией базовой модели Google.

Сценарии применения

  • нормализация названий товаров в каталоге диспансера
  • преобразование исходных названий Dutchie POS в формат «сорт — тип»
  • очистка и стандартизация наименований картриджей и вапорайзеров
  • подготовка названий товаров для внутреннего учёта запасов

Ограничения

Модель предназначена для узкой задачи с названиями товаров диспансера и не рассчитана на применение общего назначения. Оценка точного совпадения получена на небольшой отложенной выборке из 245 примеров.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Dispensary Product Name Gemma3

Fine-tune of google/gemma-3-270m-it that rewrites raw Dutchie POS listing names into a canonical clean name in "Strain - Type" form, for an internal dispensary inventory tracker. Not intended for general-purpose use outside that task.

Usage

from transformers import pipeline

gen = pipeline("text-generation", "acidtib/dispensary-product-name-gemma3")
prompt = (
    "brand: EUREKA | category: Vaporizers | subcategory: cartridges "
    "| rawName: Eureka Live Resin Reload 1g; Super Skunk"
)
result = gen([{"role": "user", "content": prompt}], max_new_tokens=32, do_sample=False)
print(result[0]["generated_text"][-1]["content"])
# -> "Super Skunk - Live Resin"

Training data

Trained on 1697 example(s) across 152 brands and 3 categories, from acidtib/dispensary-product-name-extraction at commit 619f7720.

Training procedure (as of 2026-08-21)

  • Base checkpoint: google/gemma-3-270m-it
  • 1488 training example(s), 245 held out for eval
  • 10 epochs, learning rate 3e-05
  • Best eval_loss: 0.003563

Evaluation

Exact-match rate against the held-out split (245 examples), scored by evaluate.py:

  • Exact match: 98.8% (242/245)
  • Normalized match (lowercased, whitespace-collapsed): 99.2% (243/245)

License

Inherits Gemma's usage terms from the base checkpoint, as a fine-tune of it.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForCausalLM
Ревизия весов
4de8f35

0 моделей