這是一個基於Google ViT-base模型微調的房屋狀況分類器，能夠將房屋圖像分為良好、未知、破敗和中等四個類別。模型在935張房屋圖像數據集上訓練，驗證集準確率達到81.2%。

計算機視覺Transformers英語

這是一個基於Google Gemma 2 9B模型微調的荷蘭語患者模擬模型，專門為醫療教育場景設計。模型始終以固定的JSON結構響應，模擬一位剛做完手術正在康復的患者'瑪麗亞'，支持護理專業學生在安全環境中鍛鍊溝通和臨床推理能力。

自然語言處理Gguf其他

這是一個基於Google mT5-small模型在亞馬遜數據集上微調的英西翻譯模型，專門用於文本摘要生成任務。模型在評估集上取得了Rouge1: 16.44, Rouge2: 8.04的評分。

自然語言處理Transformers

FLAN-T5 Small是Google開發的指令微調文本生成模型，基於T5架構的小型版本。該模型在多種NLP任務上進行了指令微調，能夠理解並執行各種文本生成指令。

自然語言處理Safetensors英語

這是一個基於Google Gemma-3-4B-IT模型微調的文本生成模型，專門用於根據演示模板元數據生成多樣化且相關的搜索查詢。該模型使用LoRA適配器進行高效微調，是結構化文檔字段自適應密集檢索框架的關鍵組成部分。

自然語言處理Safetensors英語

這是一個基於Google Gemma-2B-IT基礎模型，使用PEFT（參數高效微調）和LoRA技術進行優化的文本生成模型。該模型通過參數高效的方法在保持基礎模型能力的同時，針對特定任務進行了優化。

自然語言處理Peft

這是Google embeddinggemma-300m基礎模型的各種GGUF格式量化版本，專門為高效部署和不同場景使用而優化。該模型專注於句子嵌入和相似度計算任務。

自然語言處理Gguf英語

Scout是VANTA Research基於Google Gemma 3 4B Instruct架構微調的專業語言模型，在約束感知推理和自適應問題解決方面表現出色，擅長偵察式情報收集、系統問題分解和自適應解決方案生成。

自然語言處理Transformers英語

Gemma 3 27B IT QAT的MLX MXFP4量化版本，是由Google開發的輕量級開源多模態模型。該模型能夠同時處理文本和圖像輸入並生成文本輸出，擁有128K大上下文窗口，支持超過140種語言，適用於多種文本生成和圖像理解任務。

多模態Mlx

這是基於Google Gemma-3模型進行專門微調的文本生成模型，經過訓練能夠利用外部工具生成逐步計劃。該模型在rewoo/planner_instruction_tuning_2k數據集上訓練，使用LoRA技術進行高效微調。

自然語言處理Transformers

這是一個基於Google T5 Efficient Tiny架構的輕量級文本摘要生成模型，使用shorecode/summary-collection-200k-rows數據集訓練，專門用於自動文本摘要任務，具有高效推理和資源佔用低的特點。

自然語言處理Transformers英語

基於google/medgemma-4b-it微調而來的版本，專門用於在OMAMA 256×256數據集上進行二元乳房X光圖像分類。該模型通過LoRA（低秩適應）進行參數高效調整，在乳腺癌分類任務上表現出色，準確率從基礎模型的12%提升至95%。

多模態Transformers英語

Lapa LLM 12B PT是基於Google Gemma 3-12B開發的開源大語言模型，專門針對烏克蘭語處理優化。由烏克蘭多所高校研究團隊開發，在烏克蘭語處理方面表現卓越，具備高效的指令微調和多模態能力。

多模態Transformers其他

VaultGemma是谷歌推出的基於差分隱私技術預訓練的輕量級語言模型，具有強大的隱私保護能力。它採用差分隱私隨機梯度下降（DP-SGD）進行預訓練，為訓練數據提供數學隱私保證，參數少於10億，適用於多種自然語言處理任務。

自然語言處理Transformers

這是一個轉換為MLX格式的文本嵌入模型，基於Google的EmbeddingGemma-300m模型轉換而來，專門用於句子相似度計算和文本嵌入任務。模型採用BF16精度，適用於蘋果芯片設備上的高效推理。

自然語言處理Sentence-transformers

EmbeddingGemma 300M 4bit是Google開發的輕量級文本嵌入模型，專門針對MLX框架優化。該模型能夠將文本轉換為高質量的向量表示，適用於各種自然語言處理任務，特別是句子相似度計算和特徵提取。

自然語言處理Sentence-transformers

embeddinggemma-300m-qat-q8_0 GGUF 是一款基於Google embeddinggemma-300m模型的量化版本，專門用於特徵提取和句子相似度計算。該模型經過量化優化，在保持較高精度的同時顯著減小了模型大小和推理開銷。

自然語言處理Sentence-transformers

embeddinggemma-300M是一個經過量化優化的輕量級文本嵌入模型，基於Google的embeddinggemma架構，採用QAT（量化感知訓練）和Q4_0量化技術，參數量為300M。該模型專門用於生成高質量的文本嵌入向量，支持句子相似度計算和特徵提取等任務。

自然語言處理Sentence-transformers

這是由PyTorch團隊開發的FP8量化版本Gemma-3-27B模型，基於google/gemma-3-27b-it進行FP8量化處理。該模型通過vLLM和Transformers兩種方式支持高效推理，在保持模型質量的同時顯著降低了內存使用並提升了推理速度。

自然語言處理Transformers英語

基於google/gemma-3-270m構建的輕量級迪維希語預訓練模型，在包含新聞文章、維基百科內容和通用網頁文本等大規模迪維希語文本數據上進行訓練，為迪維希語相關任務提供強大支持。

自然語言處理Transformers其他