Gemma-UA-Cardio 是两款专为乌克兰语心脏病学领域设计的专业大语言模型。它们基于 Google 的 Gemma 和 MedGemma 模型，经过两阶段微调（语言适配与领域专业化），能够以乌克兰语精准提供心血管医学信息、解答临床问题，是面向医疗专业人士的辅助工具。

自然语言处理TransformersOther

这是一个基于Google ViT-base模型微调的房屋状况分类器，能够将房屋图像分为良好、未知、破败和中等四个类别。模型在935张房屋图像数据集上训练，验证集准确率达到81.2%。

计算机视觉TransformersEnglish

这是一个基于Google Gemma 2 9B模型微调的荷兰语患者模拟模型，专门为医疗教育场景设计。模型始终以固定的JSON结构响应，模拟一位刚做完手术正在康复的患者'玛丽亚'，支持护理专业学生在安全环境中锻炼沟通和临床推理能力。

自然语言处理GgufOther

这是一个基于Google mT5-small模型在亚马逊数据集上微调的英西翻译模型，专门用于文本摘要生成任务。模型在评估集上取得了Rouge1: 16.44, Rouge2: 8.04的评分。

自然语言处理Transformers

FLAN-T5 Small是Google开发的指令微调文本生成模型，基于T5架构的小型版本。该模型在多种NLP任务上进行了指令微调，能够理解并执行各种文本生成指令。

自然语言处理SafetensorsEnglish

这是一个基于Google Gemma-3-4B-IT模型微调的文本生成模型，专门用于根据演示模板元数据生成多样化且相关的搜索查询。该模型使用LoRA适配器进行高效微调，是结构化文档字段自适应密集检索框架的关键组成部分。

自然语言处理SafetensorsEnglish

这是一个基于Google Gemma-2B-IT基础模型，使用PEFT（参数高效微调）和LoRA技术进行优化的文本生成模型。该模型通过参数高效的方法在保持基础模型能力的同时，针对特定任务进行了优化。

自然语言处理Peft

这是Google embeddinggemma-300m基础模型的各种GGUF格式量化版本，专门为高效部署和不同场景使用而优化。该模型专注于句子嵌入和相似度计算任务。

自然语言处理GgufEnglish

Scout是VANTA Research基于Google Gemma 3 4B Instruct架构微调的专业语言模型，在约束感知推理和自适应问题解决方面表现出色，擅长侦察式情报收集、系统问题分解和自适应解决方案生成。

自然语言处理TransformersEnglish

Gemma 3 27B IT QAT的MLX MXFP4量化版本，是由Google开发的轻量级开源多模态模型。该模型能够同时处理文本和图像输入并生成文本输出，拥有128K大上下文窗口，支持超过140种语言，适用于多种文本生成和图像理解任务。

多模态Mlx

这是基于Google Gemma-3模型进行专门微调的文本生成模型，经过训练能够利用外部工具生成逐步计划。该模型在rewoo/planner_instruction_tuning_2k数据集上训练，使用LoRA技术进行高效微调。

自然语言处理Transformers

这是一个基于Google T5 Efficient Tiny架构的轻量级文本摘要生成模型，使用shorecode/summary-collection-200k-rows数据集训练，专门用于自动文本摘要任务，具有高效推理和资源占用低的特点。

自然语言处理TransformersEnglish

基于google/medgemma-4b-it微调而来的版本，专门用于在OMAMA 256×256数据集上进行二元乳房X光图像分类。该模型通过LoRA（低秩适应）进行参数高效调整，在乳腺癌分类任务上表现出色，准确率从基础模型的12%提升至95%。

多模态TransformersEnglish

Lapa LLM 12B PT是基于Google Gemma 3-12B开发的开源大语言模型，专门针对乌克兰语处理优化。由乌克兰多所高校研究团队开发，在乌克兰语处理方面表现卓越，具备高效的指令微调和多模态能力。

多模态TransformersOther

这是一个转换为MLX格式的文本嵌入模型，基于Google的EmbeddingGemma-300m模型转换而来，专门用于句子相似度计算和文本嵌入任务。模型采用BF16精度，适用于苹果芯片设备上的高效推理。

自然语言处理Sentence-transformers

EmbeddingGemma 300M 4bit是Google开发的轻量级文本嵌入模型，专门针对MLX框架优化。该模型能够将文本转换为高质量的向量表示，适用于各种自然语言处理任务，特别是句子相似度计算和特征提取。

自然语言处理Sentence-transformers

embeddinggemma-300m-qat-q8_0 GGUF 是一款基于Google embeddinggemma-300m模型的量化版本，专门用于特征提取和句子相似度计算。该模型经过量化优化，在保持较高精度的同时显著减小了模型大小和推理开销。

自然语言处理Sentence-transformers

embeddinggemma-300M是一个经过量化优化的轻量级文本嵌入模型，基于Google的embeddinggemma架构，采用QAT（量化感知训练）和Q4_0量化技术，参数量为300M。该模型专门用于生成高质量的文本嵌入向量，支持句子相似度计算和特征提取等任务。

自然语言处理Sentence-transformers

这是由PyTorch团队开发的FP8量化版本Gemma-3-27B模型，基于google/gemma-3-27b-it进行FP8量化处理。该模型通过vLLM和Transformers两种方式支持高效推理，在保持模型质量的同时显著降低了内存使用并提升了推理速度。

自然语言处理TransformersEnglish

基于google/gemma-3-270m构建的轻量级迪维希语预训练模型，在包含新闻文章、维基百科内容和通用网页文本等大规模迪维希语文本数据上进行训练，为迪维希语相关任务提供强大支持。

自然语言处理TransformersOther