Характеристики

Лицензия: Gemma
Архитектура: the_world · dense
Базовая модель: gemma-3-4b-it
Библиотека: transformers
Опубликована: 21 ноя 2025

Ссылки

Hugging Face

theworld-cc3m-align-only-spatial

alwinjin8

Изображение и текст → текст3 профессии

Дообученная на базе Gemma 3 4B IT мультимодальная модель для текстовых ответов по изображениям.

15скачиваний за 30 дней0лайковвеса обновлены23 ноя 2025

Бенчмарки

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

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

theworld-cc3m-align-only-spatial — дообученная мультимодальная модель семейства the_world на основе google/gemma-3-4b-it, разработанная alwinjin8. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель принимает изображения и текст и предназначена для генерации текстовых ответов по визуальному содержимому; точное назначение пространственной настройки из доступных сведений определить нельзя.

Карточка не описывает обучающий набор, конкретные сценарии применения, качество и ограничения модели. Лицензия указана как gemma; условия использования следует сверять с лицензией базовой модели Google Gemma.

Сценарии применения

ответы на вопросы о содержимом изображения
описание визуальных сцен текстом
извлечение пространственных сведений из изображений

Ограничения

Обучающие данные, метрики и точные возможности пространственной настройки не описаны; качество для конкретных сценариев не подтверждено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

theworld-cc3m-align-only-spatial

This model is a fine-tuned version of google/gemma-3-4b-it on an unknown dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.0001
train_batch_size: 2
eval_batch_size: 8
seed: 42
distributed_type: multi-GPU
num_devices: 2
total_train_batch_size: 4
total_eval_batch_size: 16
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 100
num_epochs: 1

Training results

Framework versions

Transformers 4.56.2
Pytorch 2.6.0+cu124
Datasets 4.1.1
Tokenizers 0.22.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура the_world неизвестна transformers в образе рантайма.

Класс архитектуры: Gemma3ForConditionalGeneration
Ревизия весов: fe5d7fd