/ Модель

Характеристики

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

FoodExtract-Gemma-3-270M

Генерация текстаТекст → текст3 профессии

Дообученная компактная модель Gemma 3 для генерации текста и диалогов, названная FoodExtract, но без подтверждённой в карточке специализации на извлечении данных о еде.

506скачиваний за 30 дней0лайковвеса обновлены18 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 «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 — дообученная на TRL компактная текстовая модель на основе google/gemma-3-270m-it, разработанная автором репозитория jeetxx. Это плотная авторегрессионная модель семейства Gemma 3 с 257 млн параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке приведён пример запуска через Transformers с конвейером text-generation; контекст модели составляет до 32 768 токенов.

Название указывает на извлечение сведений о еде, однако README не описывает обучающие данные, формат ответа или подтверждённые сценарии извлечения. Поэтому специализацию на этой задаче нельзя считать установленной по карточке. Модель наследует возможности компактной инструкционной базовой модели для диалогов, ответов на вопросы и суммаризации, но качество и поддерживаемые языки FoodExtract отдельно не подтверждены. Репозиторий содержит веса в формате Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • генерация коротких текстовых ответов в диалоге
  • ответы на вопросы в текстовом интерфейсе
  • суммаризация текстовых материалов
  • эксперименты с дообучением компактных диалоговых моделей

Ограничения

README не подтверждает, что модель надёжно извлекает сведения о еде, и не приводит оценок качества или обучающих данных. Лицензия в предоставленных сведениях не указана.

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

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="cuda")
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: 1.13.0
  • Transformers: 5.16.1
  • Pytorch: 2.11.0+cu128
  • Datasets: 4.8.5
  • Tokenizers: 0.23.1

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
59d2d05

0 моделей