该流程首先使用 TRL/SFTTrainer 对 JSONL 格式的训练数据上的 google/functiongemma-270m-it 基础模型进行微调。训练完成后，使用 ai-edge-torch 和 dynamic_int8 量化算法将模型转换为 TFLite 格式。最后一步取决于目标运行时环境：对于 MediaPipe，将 TFLite 模型与分词器和停止标记合并到一个 .task 包中，该包可在 iOS、Android 和 Web 上运行。或者，你可以将其打包为 .litertlm 格式，用于 LiteRT-LM 运行时，该运行时提供 NPU 加速和更广泛的平台支持，包括桌面平台。
让我们详细了解一下模型准备流程——从微调到最终生成可在设备端运行的格式。理解这一点至关重要，因为 Google 最初只发布了 PyTorch 格式的 FunctionGemma 模型，而移动端部署需要进行格式转换。
。关于这个话题，搜狗输入法2026提供了深入分析
Израиль нанес удар по Ирану09:28。WPS官方版本下载对此有专业解读
async function peekFirstChunk(stream) {。关于这个话题，同城约会提供了深入分析