Характеристики

Контекст: 512 токенов
Параметры: 124 млн
Архитектура: t5 · dense
Опубликована: 15 дек 2022

Ссылки

Hugging Face

autotrain-medical-reports-summarizer-2484176581

Abdulkader

СуммаризацияТекст → текст3 профессии

Модель T5, дообученная для составления кратких изложений медицинских отчётов.

24скачиваний за 30 дней5лайковвеса обновлены15 дек 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Abdulkader/autotrain-medical-reports-summarizer-2484176581 — модель суммаризации, обученная с помощью AutoTrain на наборе Abdulkader/autotrain-data-medical-reports-summarizer. Она предназначена для создания кратких изложений медицинских отчётов. Модель построена на архитектуре T5ForConditionalGeneration, содержит 123,8 млн параметров и имеет контекст длиной 512 токенов.

В карточке приведены метрики проверки: ROUGE-1 44,555, ROUGE-2 34,430, ROUGE-L 44,168 и ROUGE-Lsum 43,895. Модель опубликована в формате PyTorch под лицензией, указанной в метаданных Hugging Face. Языки, на которых она обучена, в карточке не определены.

Сценарии применения

суммаризация медицинских отчётов
подготовка кратких изложений клинических документов
сокращение текста медицинских заключений

Ограничения

Показатели ROUGE получены на валидационном наборе и сами по себе не подтверждают клиническую точность или пригодность для принятия медицинских решений. Длина контекста ограничена 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей IV.3Отраслевые задачиСтрахование и актуарные задачиAI помогает оценивать риски, обрабатывать убытки и управлять страховым портфелем.30 задач563модели IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Trained Using AutoTrain

Problem type: Summarization
Model ID: 2484176581
CO2 Emissions (in grams): 0.0185

Validation Metrics

Loss: 1.728
Rouge1: 44.555
Rouge2: 34.430
RougeL: 44.168
RougeLsum: 43.895
Gen Len: 8.930

Usage

You can use cURL to access this model:

$ curl -X POST -H "Authorization: Bearer YOUR_HUGGINGFACE_API_KEY" -H "Content-Type: application/json" -d '{"inputs": "I love AutoTrain"}' https://api-inference.huggingface.co/Abdulkader/autotrain-medical-reports-summarizer-2484176581

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: T5ForConditionalGeneration
Ревизия весов: 67f0131