Характеристики

Лицензия: Gemma
Архитектура: the_world · dense
Базовая модель: gemma-3-4b-it
Библиотека: transformers
Опубликована: 23 ноя 2025

Ссылки

theworld-cc3m-align-subset-spatial-0-5

Изображение и текст → текст3 профессии

Дообученная на базе Gemma 3 4B IT мультимодальная модель для обработки изображений и текста с выдачей текстовых ответов.

17скачиваний 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-subset-spatial-0-5 — дообученная мультимодальная модель на базе google/gemma-3-4b-it, опубликованная под именем alwinjin8. Карточка указывает архитектуру Gemma3ForConditionalGeneration и формат safetensors; метаданные отмечают поддержку изображений и задачу image-text-to-text.

Модель предназначена для сценариев, где требуется совместно обрабатывать изображения и текст и формировать текстовый ответ. Название указывает на связь с пространственными данными и подмножеством CC3M, однако README не описывает датасет, точные задачи, качество или ожидаемые сценарии применения.

Лицензия указана как gemma. Следует учитывать условия лицензии Gemma и ограничения базовой модели; карточка не приводит отдельных оценок качества или рекомендаций по применению.

Сценарии применения

ответы на вопросы об изображениях
описание визуальных сцен текстом
извлечение пространственных сведений из изображения
сопоставление текстовых запросов с визуальным содержимым

Ограничения

README не сообщает о датасете, оценках качества или конкретных ограничениях; предполагаемое пространственное назначение следует из названия модели. Для производной модели следует учитывать условия лицензии Gemma.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

theworld-cc3m-align-subset-spatial-0-5

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: 573ef86