Gemma 3n E4B ITは、Googleが開発した軽量マルチモーダルオープンモデルで、Geminiモデルと同じ研究に基づいて構築されています。このモデルは、テキスト、オーディオ、ビジュアル入力をサポートし、様々なタスクに適用できます。MatFormerアーキテクチャを採用して、効率的なパラメータ利用を実現しています。

マルチモーダルTransformers

Gemma 3はGoogleが開発した軽量オープンソースのマルチモーダルモデルです。このバージョンは12Bパラメータの命令調整量子化感知トレーニングモデルで、MLXフレームワークのMXFP4形式に変換されています。テキストと画像の入力をサポートし、テキスト出力を生成します。128Kのコンテキストウィンドウと140種類以上の言語をサポートしています。

マルチモーダルMlx

これはGoogleのViT - baseモデルを微調整した住宅状況分類器で、住宅画像を良好、未知、老朽化、中等の4つのカテゴリに分類できます。モデルは935枚の住宅画像データセットで学習され、検証セットの正解率は81.2%に達しまし。

コンピュータビジョンTransformers英語

これはGoogle Gemma 2 9Bモデルを微調整したオランダ語患者シミュレーションモデルで、医療教育シーン向けに特別に設計されています。モデルは常に固定のJSON構造で応答し、手術を終えて回復中の患者「マリア」をシミュレートし、看護専門の学生が安全な環境でコミュニケーションと臨床推論能力を鍛えることをサポートします。

自然言語処理Ggufその他

これはGoogleのmT5-smallモデルをアマゾンのデータセットで微調整した英語からスペイン語への翻訳モデルで、テキスト要約生成タスクに特化しています。モデルは評価セットでRouge1: 16.44、Rouge2: 8.04のスコアを獲得しました。

自然言語処理Transformers

FLAN-T5 SmallはGoogleが開発した指令微調整テキスト生成モデルで、T5アーキテクチャの小型バージョンに基づいています。このモデルは、さまざまなNLPタスクで指令微調整が行われ、さまざまなテキスト生成指令を理解して実行することができます。

自然言語処理Safetensors英語

これはGoogle Gemma - 3 - 4B - ITモデルを微調整したテキスト生成モデルで、デモンストレーションテンプレートのメタデータに基づいて多様で関連性のある検索クエリを生成するために特別に設計されています。このモデルはLoRAアダプタを使用して効率的に微調整されており、構造化文書のフィールド適応型密集検索フレームワークの重要な構成要素です。

自然言語処理Safetensors英語

これはGoogle Gemma-2B-ITベースモデルに基づき、PEFT（パラメータ効率的微調整）とLoRA技術を使用して最適化されたテキスト生成モデルです。このモデルは、パラメータ効率的な方法でベースモデルの能力を維持しながら、特定のタスクに対して最適化されています。

自然言語処理Peft

これはGoogleのembeddinggemma-300mベースモデルの様々なGGUF形式の量子化バージョンで、効率的なデプロイとさまざまなシーンでの使用に特化して最適化されています。このモデルは文の埋め込みと類似度計算タスクに焦点を当てています。

自然言語処理Gguf英語

Scoutは、VANTA ResearchがGoogle Gemma 3 4B Instructアーキテクチャをベースに微調整した専門の言語モデルで、制約感知推論と適応型問題解決に優れており、偵察型の情報収集、システム問題分解、適応型解決策生成に長けています。

自然言語処理Transformers英語

Gemma 3 27B IT QATのMLX MXFP4量子化バージョンで、Googleによって開発された軽量オープンソースのマルチモーダルモデルです。このモデルは、テキストと画像の入力を同時に処理し、テキスト出力を生成することができ、128Kの大規模コンテキストウィンドウを持ち、140種類以上の言語をサポートし、さまざまなテキスト生成と画像理解タスクに適しています。

マルチモーダルMlx

これはGoogle Gemma-3モデルをベースに特別に微調整されたテキスト生成モデルで、外部ツールを利用して段階的な計画を生成することができるように訓練されています。このモデルはrewoo/planner_instruction_tuning_2kデータセットで訓練され、LoRA技術を使用して効率的に微調整されています。

自然言語処理Transformers

これはGoogleのT5 Efficient Tinyアーキテクチャに基づく軽量なテキスト要約生成モデルで、shorecode/summary-collection-200k-rowsデータセットを使用して訓練され、自動テキスト要約タスクに特化しており、効率的な推論と低いリソース占有という特徴を持っています。

自然言語処理Transformers英語

google/medgemma-4b-itをベースに微調整されたバージョンで、OMAMA 256×256データセットでの二元乳房X線画像分類に特化しています。このモデルはLoRA（低ランク適応）を使ってパラメータを効率的に調整し、乳がん分類タスクで優れた性能を発揮し、ベースモデルの12%から95%に精度が向上しました。

マルチモーダルTransformers英語

Lapa LLM 12B PTは、Google Gemma 3 - 12Bをベースに開発されたオープンソースの大規模言語モデルで、ウクライナ語処理に特化して最適化されています。ウクライナの複数の大学の研究チームによって開発され、ウクライナ語処理において卓越した性能を発揮し、効率的な指令微調整とマルチモーダル能力を備えています。

マルチモーダルTransformersその他

VaultGemmaは、Googleが差分プライバシー技術に基づいて事前学習した軽量言語モデルで、強力なプライバシー保護機能を備えています。差分プライバシーランダム勾配降下法（DP - SGD）を用いて事前学習を行い、学習データに数学的なプライバシー保証を提供します。パラメータは10億未満で、様々な自然言語処理タスクに適しています。

自然言語処理Transformers

これはMLX形式に変換されたテキスト埋め込みモデルで、GoogleのEmbeddingGemma - 300mモデルを元に変換され、文の類似度計算とテキスト埋め込みタスクに特化しています。モデルはBF16精度を採用し、Appleチップ搭載のデバイスでの効率的な推論に適しています。

自然言語処理Sentence-transformers

EmbeddingGemma 300M 4bitはGoogleが開発した軽量級のテキスト埋め込みモデルで、MLXフレームワークに特化して最適化されています。このモデルは、テキストを高品質なベクトル表現に変換することができ、様々な自然言語処理タスク、特に文章の類似度計算と特徴抽出に適しています。

自然言語処理Sentence-transformers

embeddinggemma-300m-qat-q8_0 GGUFは、Googleのembeddinggemma-300mモデルに基づく量子化バージョンで、特徴抽出と文の類似度計算に特化しています。このモデルは量子化による最適化を行い、高い精度を維持しながら、モデルサイズと推論コストを大幅に削減しています。

自然言語処理Sentence-transformers

embeddinggemma-300Mは、量子化によって最適化された軽量なテキスト埋め込みモデルで、Googleのembeddinggemmaアーキテクチャに基づいており、QAT（量子化感知トレーニング）とQ4_0量子化技術を用いており、パラメータ数は3億です。このモデルは、高品質なテキスト埋め込みベクトルを生成するために特別に設計されており、文の類似度計算や特徴抽出などのタスクをサポートしています。

自然言語処理Sentence-transformers