Uploaded finetuned model
- Developed by: alimandela
- License: apache-2.0
- Finetuned from model : unsloth/gemma-3-270m-it
This gemma3_text model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 257 млн
- Лицензия
- Apache 2.0
- Архитектура
- gemma3_text · dense
- Базовая модель
- gemma-3-270m-it
- Опубликована
- 24 июл 2026
Ссылки
logistics-extractor-gemma3-270m
Дообученная компактная Gemma 3 для извлечения структурированных сведений из логистических текстов.
26скачиваний за 30 дней0лайковвеса обновлены24 июл 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
alimandela/logistics-extractor-gemma3-270m — текстовая модель генерации на базе Gemma 3, дообученная alimandela на unsloth/gemma-3-270m-it с помощью Unsloth и библиотеки TRL. По названию модель предназначена для извлечения сведений из логистических текстов, например для преобразования описаний отправлений или документов в структурированные ответы; README не уточняет формат данных и точные сценарии применения.
Модель имеет плотную архитектуру Gemma3ForCausalLM, содержит 257 млн параметров и поддерживает контекст до 32 768 токенов. Она принимает и генерирует текст; метаданные указывают английский язык и диалоговую возможность. Распространяется в формате Safetensors по лицензии Apache-2.0.
Сценарии применения
- извлечение сведений об отправлении из логистического текста
- разбор описаний груза в диалоговом интерфейсе
- подготовка текстовых данных для логистических систем
Ограничения
README не описывает обучающие данные, точную схему извлекаемых полей и результаты оценки качества; пригодность для конкретных логистических документов следует проверять отдельно.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
IV.7Отраслевые задачиЦепочки поставок, склады, логистика и международная торговляAI помогает планировать сеть поставок, склады, перевозки и международное движение товаров.42 задачи392моделиI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Gemma3ForCausalLM
- Ревизия весов
- 8a8219a