/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
gemma4_unified · dense
Базовая модель
gemma-4-12B
Библиотека
transformers
Опубликована
12 июл 2026

iolai-gemma4-hybrid

Генерация текстаТекст → текст3 профессии

Гибридная система на базе Gemma 4 12B сочетает символьное решение задач с генерацией и проверкой ответов языковой моделью.

23скачиваний за 30 дней0лайковвеса обновлены12 июл 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

janPaje/iolai-gemma4-hybrid — решение IOL-AI 2026 на базе дообученной Gemma 4 12B от Google DeepMind. Это текстовая система с трёхэтапным конвейером: сначала символьный решатель подбирает систему счисления по примерам задачи и точно обрабатывает подходящие преобразования между числами и словами; затем для остальных задач формируется краткий базовый ответ, после чего система при необходимости выполняет ограниченное по времени пошаговое рассуждение и заменяет ответ, если результат проходит проверку формата.

Модель предназначена для решения задач соревнования, включая преобразование чисел и слов и перевод. Веса хранятся в формате safetensors, а при запуске загружаются в 4-битном виде через bitsandbytes, чтобы работать на GPU T4 с 16 ГБ памяти. Репозиторий указывает лицензию Apache 2.0. README описывает использование модели в составе скрипта и конкурсного окружения; отдельные сведения о языках и размере контекста для этой версии не приводятся.

Сценарии применения

  • перевод чисел в слова и слов в числа по примерам задачи
  • решение задач конкурса IOL-AI 2026
  • подготовка кратких ответов на задачи с последующей проверкой формата
  • генерация ответов с ограниченным по времени пошаговым рассуждением

Ограничения

Символьный проход решает только задачи, для которых удаётся вывести согласованную систему счисления из примеров; остальные задачи зависят от ответов LLM и проверяются главным образом по числу ответов. README сообщает, что для перевода ограничение длины рассуждения повысило результат на Gemma 4 12B, что указывает на чувствительность качества к стратегии генерации.

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

IOL-AI 2026 — gemma4:12b hybrid (symbolic numeral solver + budget-managed LLM)

Three-pass pipeline:

  1. Symbolic pass — numeral_solver.py brute-forces numeral systems (base, word values, word-order convention) from the problem's own examples and answers text_to_num / num_to_text exactly when a consistent system exists; otherwise falls through to the LLM.
  2. Baseline pass — a fast low-token answer for every remaining problem, with submission.csv atomically checkpointed after every row.
  3. Upgrade pass — per-row time-sliced reasoning with per-task-type method prompts; a baseline answer is replaced only when the upgrade parses to the correct number of answers. Translation reasoning is deliberately capped low: on gemma4-12B, truncated reasoning plus a forced short answer scored measurably higher than completed reasoning.

Model: gemma4-12B (Apache 2.0), weights shipped in this repo, loaded 4-bit via bitsandbytes at startup (fp16 12B does not fit the 16 GB T4).

Upload checklist (before submitting)

  1. Put the gemma4-12B weight files (safetensors + config + tokenizer) in the repo root so script.py loads them from ".".
  2. Repo must be public at submission time.
  3. Submit via the competition Space; the platform mounts the hidden test set at /tmp/data/test.csv and runs script.py.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4UnifiedForConditionalGeneration
Ревизия весов
17a7f36

0 моделей