/ Модель
Каталог

Характеристики

Контекст
4 096 токенов
Параметры
7,5 млрд
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
marin-8b-base
Библиотека
transformers
Опубликована
14 авг 2026

Ссылки

Hugging Face

capsd-medcase-marin-8b-base-medicine_ppl_b2000_s0

AmberYifan
Генерация текстаТекст → текст3 профессии

Дообученная на медицинских клинических случаях англоязычная Llama-модель для генерации текста.

21скачиваний за 30 дней0лайковвеса обновлены14 авг 2026

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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. 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

AmberYifan/capsd-medcase-marin-8b-base-medicine_ppl_b2000_s0 — дообученная версия Marin 8B Base, созданная на наборе capsd_marin-8b-base-n13092-medicine-medcase__mix_medicine_ppl_b2000_s0. Это плотная причинная языковая модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста; доступна в формате Safetensors и поддерживает диалоговый сценарий. Контекст составляет до 4096 токенов. По названию обучающего набора модель адаптирована к медицинским клиническим случаям, однако карточка не описывает проверенные медицинские возможности или качество ответов.

Базовая модель Marin 8B Base ориентирована на английский язык, поэтому английский — основной язык модели. Возможность применения в медицине следует считать экспериментальной до независимой проверки: README не приводит оценки, состав обучающих данных или ограничения. Лицензия указана как other, без конкретных условий в доступных метаданных.

Сценарии применения

  • генерация текста по медицинскому клиническому случаю
  • черновое составление описания клинической ситуации
  • продолжение англоязычного медицинского текста

Ограничения

README не приводит результатов оценки, подробностей обучающих данных или подтверждения пригодности для клинических решений. Условия лицензии обозначены только как other.

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 635моделейIV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

marin-8b-base_medicine_ppl_b2000_s0

This model is a fine-tuned version of marin-community/marin-8b-base on the capsd_marin-8b-base-n13092-medicine-medcase__mix_medicine_ppl_b2000_s0 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 0
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 0.03
  • num_epochs: 1

Training results

Framework versions

  • Transformers 5.7.0
  • Pytorch 2.13.0+cu130
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
5f91cf2

0 моделей

    Создать бенчмарк