/ 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
11 авг 2026

Ссылки

Hugging Face

capsd-medicine-dedup-marin-8b-base-medicine_ppl_b10000_s0

AmberYifan
Генерация текстаТекст → текст3 профессии

Дообученная на медицинском наборе Llama-модель Marin 8B для генерации и продолжения тематического текста.

18скачиваний за 30 дней0лайковвеса обновлены11 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-medicine-dedup-marin-8b-base-medicine_ppl_b10000_s0 — дообученная медицинская версия Marin 8B Base, созданная на наборе capsd_marin-8b-base-n80000-medicine-dedup80k__mix_medicine_ppl_b10000_s0. Это плотная авторегрессионная Llama-модель с 7,5 млрд параметров, предназначенная для генерации и продолжения текста в медицинской тематике; метаданные также указывают поддержку чата.

Модель принимает текст и генерирует текст, контекст — до 4096 токенов. Базовая Marin 8B Base описана как англоязычная, но язык самого дообучения в карточке не подтверждён. Лицензия обозначена как other, поэтому условия использования следует сверить с файлами репозитория. README не приводит результатов оценки или конкретных ограничений качества; медицинские ответы требуют проверки специалистом.

Сценарии применения

  • генерация медицинского текста
  • продолжение медицинских документов и заметок
  • диалог по медицинской тематике
  • эксперименты с адаптацией языковых моделей к медицинским данным

Ограничения

README не содержит оценки качества и подробных ограничений; медицинские ответы требуют проверки специалистом. Лицензия указана как other, поэтому перед использованием нужно проверить её условия в репозитории.

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.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейIV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

marin-8b-base_medicine_ppl_b10000_s0

This model is a fine-tuned version of marin-community/marin-8b-base on the capsd_marin-8b-base-n80000-medicine-dedup80k__mix_medicine_ppl_b10000_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
59d72ae

0 моделей

    Создать бенчмарк