Дообученная на базе TxGemma-2B-Predict языковая модель для генерации текста и прогнозирования свойств лекарственных средств и связанных биологических объектов.
34скачиваний за 30 дней0лайковвеса обновлены18 авг 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.
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
zlyngkhoi/txgemma-2b-trialbench-sft — плотная языковая модель на архитектуре Gemma 2, созданная zlyngkhoi путём дообучения google/txgemma-2b-predict с помощью Aligntune. Модель содержит 2,7 млрд параметров, принимает текст и генерирует текст; контекстное окно — 8192 токена.
Модель предназначена для текстовых прогнозов свойств лекарственных средств и связанных биологических объектов, а также для задач, где требуется дообученная версия TxGemma-2B-Predict. README не уточняет конкретную схему обучения или специализированные сценарии trialbench. Базовая модель Google обучалась на терапевтических данных; это не подтверждает точность прогнозов для клинических решений. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.
Сценарии применения
генерация текстовых прогнозов свойств лекарственных средств
прогнозирование характеристик биологических объектов
экспериментальная оценка дообученной TxGemma на задачах trialbench
Ограничения
Описание не уточняет формат входных данных, схему обучения SFT и результаты оценки на trialbench. Прогнозы модели не следует считать клиническими рекомендациями.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель