К содержимому
Языковые модели

graphemetech/understanding-v2

локальный классификатор эмоций и ситуаций на базе EmbeddingGemma

2 мин чтенияобновлено

Модель превращает короткие пользовательские заметки в числовые векторы (эмбеддинги) и сопоставляет их с заданным набором чувств и жизненных ситуаций. Разработана командой graphemetech для приложения Uns на базе google/embeddinggemma-300m и упакована в формат LiteRT (бывший TensorFlow Lite) для работы прямо на мобильных устройствах без отправки текста на сервер. В отличие от базового чекпоинта, модель дообучена на таксономии эмоций на 8 языках (английский, индонезийский, малайский, турецкий, бенгальский, арабский, урду и персидский) и объединена с оригинальными весами в пропорции 50/50. Пригодится мобильным разработчикам, которым нужен компактный офлайн-анализ тональности и контекста.

Ключевые особенности

  • Полный пайплайн в одном графе: энкодер, mean pooling, полносвязные слои и L2-нормализация объединены в единый файл model.tflite с динамическим int8-квантованием.
  • Высокая точность конвертации: косинусное сходство выходов с оригинальной PyTorch-моделью составляет не менее 0.998, а бинарный токенизатор tokenizer.bin посимвольно совпадает с базовым на 36 081 тестовом тексте.
  • Усреднение весов (WiSE-FT): смешивание дообученного и исходного чекпоинтов 50/50 позволило сохранить общую и религиозную лексику базы при росте качества классификации.
  • Готовые центроиды: в репозиторий включён файл centroids.json с опорными векторами для каждого чувства и ситуации, а также порогом отказа от ответа.

Что можно сделать

  • Встроить в мобильный дневник настроения или трекер ментального состояния для полностью приватной категоризации записей на устройстве.
  • Использовать в мультиязычных системах рекомендаций контента, подбирающих цитаты, статьи или советы под текущую жизненную ситуацию пользователя.
  • Применить как готовый пример конвертации embeddinggemma-300m в LiteRT с обходом ошибок трансляции attention-слоёв.

Пример

Модель не генерирует текст, а выдаёт L2-нормализованный вектор размерности [1, 768]. Перед токенизацией к любой входной фразе добавляется обязательный префикс: task: classification | query: (далее длина последовательности фиксируется на 128 токенах, а полученный вектор сравнивается с центроидами из centroids.json).

Подробнее Метрики на отложенной выборке: feelings top-1 — 79 / 73 / 94 (против 71 / 54 / 60 у базовой embeddinggemma-300m), situations top-1 — 79 / 81 / 88, поиск релевантных тем (hit@3) — 58.5%.
Формат и входы: model.tflite (int8), принимает input_ids и attention_mask формата int32 [1, 128].
Обучение: 4 эпохи, batch semi-hard triplet loss (margin 0.5, lr 2e-5) на ~4 000 размеченных фразах на 8 языках.
Ограничения: работает только с закрытым списком категорий и распространяется по лицензии Gemma Terms of Use.
Обсудить Telegram 0 9

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # graphemetech/understanding-v2
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download graphemetech/understanding-v2 --local-dir ~/models/understanding-v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к understanding-v2
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии understanding-v2 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

graphemetech/understanding-v2
Автор
graphemetech
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

90

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

Vaani-3 ASR

Vaani-3 ASR
Компьютерное зрение

Gemma 4 E4B

Gemma 4 E4B