Характеристики

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

Ссылки

Hugging Face

theworld-spatial-from-cc3m-lm-only

kasohrab

Изображение и текст → текст3 профессии

Дообученная мультимодальная Gemma 3 4B IT для генерации текстовых ответов по изображениям и текстовым запросам.

315скачиваний за 30 дней0лайковвеса обновлены5 дек 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

Модель kasohrab/theworld-spatial-from-cc3m-lm-only — дообученная версия мультимодальной Gemma 3 4B IT от Google. Она принимает изображения и текст и предназначена для задач image-text-to-text. Название указывает на пространственную тематику и связь с CC3M, однако README не раскрывает конкретные сценарии, обучающие данные или результаты оценки. Модель распространяется в формате safetensors по лицензии Gemma; при использовании необходимо соблюдать её условия.

Сценарии применения

ответы на вопросы по изображениям
генерация текстовых описаний изображений
пространственные вопросы о содержимом изображения

Ограничения

README не приводит сведений о качестве, проверенных сценариях или ограничениях модели. Данные для дообучения обозначены как неизвестный датасет.

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 I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

theworld-spatial-from-cc3m-lm-only

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: 4e8f9ce