/ 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
15 авг 2026

Ссылки

Hugging Face

capsd-medcase-marin-8b-base-medicine_ppl_b8000_s0

AmberYifan
Генерация текстаТекст → текст3 профессии

Дообученная на медицинских данных Llama-модель для генерации текста и чатовых сценариев в медицинском контексте.

16скачиваний за 30 дней0лайковвеса обновлены15 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_b8000_s0 — дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base. Она содержит около 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; модель опубликована для text-generation и поддерживает чатовый сценарий. README указывает, что дообучение выполнено на наборе capsd_marin-8b-base-n13092-medicine-medcase__mix_medicine_ppl_b8000_s0, что указывает на медицинские случаи и данные по медицине.

Модель предназначена для генерации и продолжения текста в медицинском контексте, например для черновиков описаний клинических случаев и ответов на медицинские вопросы. Базовая marin-8b-base описана как англоязычная; длина контекста модели — 4096 токенов. Лицензия указана как other, поэтому конкретные условия использования следует сверить с карточкой модели.

Сценарии применения

  • генерация черновиков описаний медицинских случаев
  • подготовка ответов на медицинские вопросы
  • продолжение медицинских текстов
  • чатовое взаимодействие по медицинским темам

Ограничения

README не приводит результатов оценки или подробных ограничений; пригодность и точность ответов в медицинских сценариях не подтверждены приведёнными данными. Лицензия обозначена как other, без уточнения условий.

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 641модельIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

marin-8b-base_medicine_ppl_b8000_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_b8000_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
bc146db

0 моделей

    Создать бенчмарк