Характеристики

Лицензия: Gemma
Архитектура: the_world · dense
Базовая модель: gemma-3-4b-it
Библиотека: transformers
Опубликована: 20 ноя 2025

Ссылки

Hugging Face

theworld-spatial-channel-justprojection-fixed-mlp

kasohrab

Изображение и текст → текст3 профессии

Дообученная на базе Gemma 3 4B IT мультимодальная модель для текстовых ответов на запросы по изображениям.

15скачиваний за 30 дней0лайковвеса обновлены21 ноя 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

theworld-spatial-channel-justprojection-fixed-mlp — дообученная модель на базе Google Gemma 3 4B IT с архитектурой Gemma3ForConditionalGeneration. Метаданные относят её к мультимодальным моделям vision и указывают задачу image-text-to-text: модель принимает изображения и текст и формирует текстовые ответы.

README не описывает конкретные сценарии применения, обучающие данные или результаты оценки. Модель может использоваться для экспериментов с ответами на запросы по изображениям; её точность и пригодность для конкретных задач по доступным сведениям оценить нельзя. Указанная лицензия — gemma; перед использованием следует учитывать условия лицензии Gemma.

Сценарии применения

ответы на вопросы по изображениям
описание содержимого изображения по запросу
эксперименты с мультимодальным диалогом

Ограничения

README не содержит сведений об обучающих данных, оценке качества и конкретных ограничениях; точность для практических сценариев не установлена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

theworld-spatial-channel-justprojection-fixed-mlp

This model is a fine-tuned version of google/gemma-3-4b-it on an unknown dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.0001
train_batch_size: 2
eval_batch_size: 8
seed: 42
distributed_type: multi-GPU
num_devices: 2
total_train_batch_size: 4
total_eval_batch_size: 16
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 50
num_epochs: 1

Training results

Framework versions

Transformers 4.56.2
Pytorch 2.6.0+cu124
Datasets 4.1.1
Tokenizers 0.22.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура the_world неизвестна transformers в образе рантайма.

Класс архитектуры: Gemma3ForConditionalGeneration
Ревизия весов: 930aea1