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Transformers其他

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Transformers英语

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Gguf其他

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Safetensors英语

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Safetensors英语

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Gguf英语

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Transformers英语

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Transformers英语

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Transformers英语

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Transformers其他

VaultGemma是谷歌推出的基于差分隐私技术预训练的轻量级语言模型，具有强大的隐私保护能力。它采用差分隐私随机梯度下降（DP-SGD）进行预训练，为训练数据提供数学隐私保证，参数少于10亿，适用于多种自然语言处理任务。

自然语言处理Transformers

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Transformers英语