/ Модель

Характеристики

Размер весов
10,2 ГБ
Архитектура
gemma4 · dense
Базовая модель
gemma-4-E2B-it
Библиотека
transformers
Опубликована
22 июн 2026

first-hf-run-pi-mono-gemma4-e2b-final

Изображение и текст → текст3 профессии

Экспериментальная текстовая донастройка Gemma 4 E2B IT для диалогов coding-agent на очищенных трассах pi-mono.

22скачиваний за 30 дней1лайквеса обновлены23 июн 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

Это экспериментальная текстовая донастройка Gemma 4 E2B IT, созданная автором herooooooooo методом supervised fine-tuning на очищенных трассах сессий coding-agent pi из кодовой базы badlogicgames/pi-mono. Модель предназначена для диалогов в стиле агента программирования: она обучалась на примерах, где вызовы инструментов представлены текстом, а результаты инструментов включены в контекст пользователя.

В основе — мультимодальная Gemma 4 E2B IT от Google, однако обучение и оценки этой версии проводились только на тексте; мультимодальные входы Gemma не дообучались и не оценивались. В README приведены результаты HumanEval и MBPP с точностью 0,0, поэтому модель не показала пригодности для решения этих тестов. Обучающий набор получен из одной кодовой базы, что ограничивает переносимость на другие проекты и стили взаимодействия. Лицензия в предоставленных данных не указана.

Сценарии применения

  • диалог с coding-agent в стиле pi
  • использование текстовых примеров вызовов инструментов в контексте агента программирования
  • эксперименты с дообучением языковых моделей на трассах взаимодействия с кодовой базой

Ограничения

В HumanEval и MBPP указана точность 0,0; при этом выбор адаптера выполнялся по отложенной ошибке обучения, а не по этим бенчмаркам. Обучение было текстовым на трассах одной кодовой базы, поэтому качество на других проектах и мультимодальных входах не подтверждено.

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

first-hf-run-pi-mono-gemma4-e2b-final

Gemma 4 E2B instruction model fine-tuned with SFT on redacted pi coding-agent session traces from badlogicgames/pi-mono.

FieldValue
Base modelgoogle/gemma-4-E2B-it
Datasetbadlogicgames/pi-mono
Selection metricLowest held-out SFT eval loss
Selected adapterherooooooooo/first-hf-run-pi-mono-gemma4-e2b-adapter-lr2e-4-r16-alpha32
Final model repohttps://huggingface.co/herooooooooo/first-hf-run-pi-mono-gemma4-e2b-final
Artifact repohttps://huggingface.co/herooooooooo/first-hf-run-pi-mono-gemma4-e2b-artifacts
Trackio projectfirst-hf-run
Trackio dashboardhttps://herooooooooo-trackio.hf.space/?project=first-hf-run
Controller job id6a39cb35c612b71be2578806; local recovery and repair 2026-06-23T11:17:32.245324+00:00

Job IDs

KindNameJob IDFinal StageLink
sweeplr1e-4-r8-alpha166a39cb3ec612b71be257880aERROR_WITH_ADAPTER_SAVEDjob
sweeplr2e-4-r16-alpha326a39cb3ec612b71be257880cERROR_WITH_ADAPTER_SAVEDjob
sweeplr5e-5-r16-alpha326a39cb3fc7d51fa1097d6085ERROR_WITH_ADAPTER_SAVEDjob
adapter-evallr1e-4-r8-alpha166a3a50133d2ca349dc7bf6acCOMPLETEDjob
adapter-evallr2e-4-r16-alpha326a3a5013e902455642c9d107COMPLETEDjob
adapter-evallr5e-5-r16-alpha326a3a5014e902455642c9d109COMPLETEDjob
mergemerge-selected-adapter6a3a52a5f6cddbe979170025COMPLETEDjob
evalhumaneval6a3a5750f6cddbe97917004eCOMPLETEDjob
evalmbpp6a3a5750f6cddbe979170050COMPLETEDjob

Sweep Results

RunAdapter repoHeld-out eval lossJob id reported by child
lr1e-4-r8-alpha16herooooooooo/first-hf-run-pi-mono-gemma4-e2b-adapter-lr1e-4-r8-alpha162.23243448716700636a3a50133d2ca349dc7bf6ac
lr2e-4-r16-alpha32herooooooooo/first-hf-run-pi-mono-gemma4-e2b-adapter-lr2e-4-r16-alpha322.04853275144948786a3a5013e902455642c9d107
lr5e-5-r16-alpha32herooooooooo/first-hf-run-pi-mono-gemma4-e2b-adapter-lr5e-5-r16-alpha322.3508422239895546a3a5014e902455642c9d109

Inspect AI Evals

BenchmarkAccuracyStdErrCompletedReturn code
humaneval0.00.0164/1640
mbpp0.00.01285/12850

Raw Inspect JSON logs and compact summaries are in evals/.

Known Eval Limits

  • Inspect evals used a custom Gemma chat template passed through -M chat_template=... because the stock Inspect HF provider handed ChatMessage objects to a dict-oriented tokenizer template.
  • Inspect evals used max_connections=8 on l4x1 to complete the full MBPP run within the HF Job timeout.
  • Adapter selection loss was recomputed by adapter-only recovery jobs because the original sweep jobs pushed adapters but crashed in the Trackio callback before writing eval_results.json.
  • The README table reports Inspect accuracy and stderr; it does not publish separate pass@k columns.
  • Inspect used the local Hugging Face Transformers backend on l4x1 with max_connections=8, not vLLM throughput.
  • The eval sandbox is local inside the HF Job, not Docker; this is less isolated than leaderboard-grade Docker execution.
  • The model was selected by held-out SFT eval loss, not by HumanEval or MBPP.
  • Training is text-only; Gemma 4 multimodal inputs were not fine-tuned or evaluated.
  • The dataset is a redacted trace dataset from one codebase, so results may overfit that interaction style.
  • Assistant thinking/signature fields were stripped before SFT to avoid training the model to emit raw hidden traces.

Dataset and Privacy Notes

The source dataset was exported with pi-share-hf, including deterministic redaction, deny-pattern filtering, TruffleHog scanning, and LLM review before upload. This run consumes the published redacted dataset only.

The SFT converter:

  • splits by session file before extracting examples;
  • strips assistant thinking blocks and thinking signatures;
  • represents tool calls as text;
  • folds tool results into user context;
  • omits image, audio, and video payloads for text-only training.

Reproducibility

The generated child scripts used by the controller are stored under run_scripts/. The article-style write-up is in ARTICLE.md.

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
5cb1c02

0 моделей