/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
257 млн
Архитектура
gemma3_text · dense
Базовая модель
gemma-3-270m-it
Библиотека
transformers
Опубликована
7 окт 2026

FoodExtract-gemma-3-270m-fine-tune-v1

Генерация текстаТекст → текст

Компактная диалоговая модель на базе Gemma 3, дообученная для генерации текста и, предположительно, извлечения сведений о продуктах питания.

195скачиваний за 30 дней0лайковвеса обновлены7 окт 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

FoodExtract-gemma-3-270m-fine-tune-v1 — дообученная компанией или автором bharath-raj-g текстовая модель на базе google/gemma-3-270m-it. Она создана с использованием TRL и предназначена для диалоговой генерации текста; название указывает на извлечение сведений о продуктах питания, однако README не описывает эту специализацию или формат ожидаемых ответов. Модель содержит 257 млн параметров, использует плотную архитектуру Gemma 3 и поддерживает контекст до 32 768 токенов. Для запуска предлагается Transformers pipeline с задачей text-generation.

Сценарии применения

  • диалоговая генерация текста
  • извлечение сведений о еде из текста — предполагаемое применение по названию модели
  • ответы на вопросы в диалоговом формате

Ограничения

README не приводит оценок качества, обучающих данных или подробностей о том, какие сведения о еде модель извлекает. Языковая поддержка и условия лицензии в предоставленных данных не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for checkpoint_models

This model is a fine-tuned version of google/gemma-3-270m-it. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="None", device_map="auto")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 1.14.2
  • Transformers: 5.19.0
  • Pytorch: 2.6.0+cu124
  • Datasets: 5.1.0
  • Tokenizers: 0.23.2

Citations

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

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
041642c

0 моделей