/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
gemma4 · dense
Базовая модель
gemma-4-E2B-it
Библиотека
transformers
Опубликована
14 авг 2026

onebee-gf-dpo-v1-scale

Изображение и текст → текст3 профессии

Мультимодальный LoRA-чекпойнт Gemma 4, дообученный для диалогов-компаньонов с оптимизацией предпочтений и анализом изображений.

1 715скачиваний за 30 дней0лайковвеса обновлены13 сен 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.

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

onebee-gf-dpo-v1-scale — мультимодальная модель-компаньон на базе Gemma 4 E2B IT от Google, дообученная автором репозитория методом DPO с LoRA-адаптером ранга 16 на 2049 парах предпочтений. Архитектура поддерживает текст и изображения; модель предназначена для диалогов в стиле компаньона и выдачи ответов с настройкой предпочтений. В метаданных указана задача image-text-to-text, библиотека Transformers и формат safetensors.

Автор сообщает, что на парном сравнении с SFT-only модель получила 45,7% побед против 21,0% на 105 пробах. Это исследовательский чекпойнт с одним запуском обучения; заявленный результат не является полной оценкой бенчмарка. Модель также предназначена для дальнейшей дистилляции или квантизации. Лицензия — Apache-2.0.

Сценарии применения

  • диалог с виртуальным компаньоном
  • ответы на сообщения с прикреплёнными изображениями
  • создание базового чекпойнта для дистилляции
  • локальный запуск после квантизации

Ограничения

Оценена только на парном сравнении, одним запуском и на ограниченном наборе проб; полной оценки PMB для этого чекпойнта нет. Не предназначена для критически важных решений или медицинских, юридических и финансовых рекомендаций.

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

onebee-gf-dpo-v1-scale

Proper-scale LoRA DPO checkpoint on top of sft-v1 (2049 preference pairs) — pre-distillation, strongest preference-optimization signal in this project.

Project

Model Overview

Proper-scale DPO checkpoint on top of sft-v1 — 2049 preference pairs (~10x dpo-v0's scale), 1 epoch. Strongest and cleanest preference-optimization signal observed across every run in this project (24.7pp pairwise win-rate gap). Superseded by onebee-gf-distill-v1 (adds on-policy distillation on top of this checkpoint) as the current best overall, but this remains the pre-distillation baseline used in that comparison, and the checkpoint the published GGUF quantizations are built from.

GGUF quantizations available: this checkpoint is also published as [quantizations (F16 reference plus 12 quant levels)](https://huggingface.co/arjhinety/onebee-gf-dpo-v1-scale-gguf) ((F16 reference plus 12 quant levels down to Q2_K, plus vision projector)) for llama.cpp-based on-device inference.

Model Details

PropertyDetails
Modelonebee-gf-dpo-v1-scale
Parameters~2B effective (base) + LoRA rank 16 adapter
ArchitectureGemma4 (multimodal, text + vision)
Base Modelgoogle/gemma-4-E2B-it
LanguageEnglish
Context Length131,072 tokens (inherited from base model)
Training MethodLoRA DPO, 1 epoch, 2049 preference pairs, chained off sft-v1
LicenseApache-2.0 (inherited from base model)

Intended Use

Intended Use

As a base for distillation or quantization; as a strong standalone companion checkpoint if distillation-specific behavior is not desired.

Out-of-Scope Use

Not evaluated or intended for: safety-critical decisions, medical/legal/financial advice, or any deployment where a wrong or overconfident answer causes real harm. This is a research artifact from an open-source project studying post-training and memory architecture on small models — see the project README for the full research framing before using it in any production context.

Capabilities

  • Companion-persona conversational responses with strong preference alignment
  • Preference alignment: 45.7% vs 21.0% pairwise win-rate over SFT-only (24.7pp gap, 105 probes)

No full-PMB pra_lenient/UAR measurement exists for this checkpoint — it is evaluated pairwise only. The 70.0% UAR figure that appeared here in earlier revisions belongs to the SFT-v1+memory system, not to DPO. See reports/ERRATA.md.

Quick Start

Installation

pip install transformers torch

Usage

from transformers import AutoModelForCausalLM, AutoProcessor

model = AutoModelForCausalLM.from_pretrained("arjhinety/onebee-gf-dpo-v1-scale")
processor = AutoProcessor.from_pretrained("arjhinety/onebee-gf-dpo-v1-scale")

messages = [
    {"role": "system", "content": "You are a warm AI companion who remembers this user."},
    {"role": "user", "content": "What conference did I say I was attending?"},
]
inputs = processor.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt")
output = model.generate(**inputs, max_new_tokens=128)
print(processor.decode(output[0], skip_special_tokens=True))

Evaluation

Scored against PMB (Personalized Memory Benchmark), 688 adversarial probes across 8 categories, with an LLM judge under dual-order (position-bias-controlled) scoring plus a rule-based abstention detector.

Systempairwise win-rateUAR
dpo-v1-scale45.7% vs 21.0% (24.7pp gap)70.0%

Full methodology, all numbers, and honest limitations: docs/proper_scale_results.md.

Limitations

Single seed/run at this data scale. See onebee-gf-distill-v1 for the further-improved current-best checkpoint.

This project reports negative/inconclusive results as honestly as positive ones — read the linked docs before assuming any number here is a clean win.

Other Checkpoints From This Project

RepoDescription
onebee-gf-sft-v0Day 4 v0 SFT (202 examples)
onebee-gf-sft-v1Proper-scale SFT (2232 examples)
onebee-gf-dpo-v0Week 2 DPO v0 (200 pairs)
onebee-gf-dpo-v1-4epochDPO overfitting experiment
onebee-gf-dpo-v1-scaleProper-scale DPO, pre-distillation
onebee-gf-distill-v1SFT+DPO+distillation — current best overall
onebee-gf-dpo-v1-scale-ggufGGUF quantizations

Citation

@software{small_mind_companion,
  title  = {small-mind-companion: Post-training and cognitive architecture for a small multimodal companion LLM},
  author = {arjhinety},
  year   = {2026},
  url    = {https://github.com/arjhinety/small-mind-companion}
}

License

Apache-2.0, inherited from the base model (google/gemma-4-E2B-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
Gemma4ForConditionalGeneration
Ревизия весов
e152aa7

0 моделей