medgap-gemma-4-12b — дообученная версия модели Gemma 4 12B-it, разработанной Google. Модель адаптирована компанией Protocol Sync LLC на наборе данных protocolsyncllc/fda-warning-letters, содержащем предупреждающие письма FDA, связанные с медицинскими изделиями.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Она предназначена для генерации и анализа текста в сценариях, где требуется работа с тематикой регулирования медицинских устройств и документами FDA.
Модель относится к задачам генерации текста и использует архитектуру базовой модели Gemma 4 12B-it с 12 миллиардами параметров. В дообучении применялась техника LoRA, один этап обучения, скорость обучения 2e-4 и библиотека Unsloth. Обучение выполнялось на GPU RTX Pro 5000 с 48 ГБ видеопамяти. Другие характеристики, включая поддерживаемые языки, размер контекста и дополнительные модальности, в README не указаны; по имеющимся данным, модель ориентирована на текстовые входы и выходы.
Для использования доступен вариант инференса в формате GGUF с квантованием Q8. Лицензия указана как llama3; условия и ограничения этой лицензии в README не раскрыты.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a fine tune of Gemma 4 12B on FDA warning letters for medical devices.
Base model:: google/gemma-4-12B-it
Dataset: medical-devices.jsonl
Hardware: RTX Pro 5000 48gb VRAM
Library: Unsloth
Epochs: 1
Technique: LoRA
Learning Rate: 2e-4
Inference GGUF: gemma-4-12b-it_q8.gguf
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · unsloth
Подбираем GPU…