/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
3,7 млрд
Размер весов
7,6 ГБ
Лицензия
Apache 2.0
Архитектура
phi3 · dense
Опубликована
30 мая 2024

MedPhi-3-mini_v1

Генерация текстаТекст → текст3 профессии

MedPhi-3-mini_v1 — диалоговая медицинская языковая модель для генерации ответов на профильные вопросы.

22скачиваний за 30 дней3лайкавеса обновлены30 мая 2024

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.

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

MedPhi-3-mini_v1 — медицинская разговорная языковая модель ChenWeiLi на архитектуре Phi-3. Это плотная авторегрессионная модель с 3,7 млрд параметров, предназначенная для генерации текста в диалогах и ответов на медицинские вопросы. Карточка приводит результаты оценки на MedMCQA и MedQA с вариантами ответа.

Модель принимает текст и генерирует текст; заявленный родной контекст — 4096 токенов. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Оценки на медицинских тестах указывают на профильное назначение, но не подтверждают пригодность для клинических решений; качество и точность ответов вне приведённых тестов не описаны.

Сценарии применения

  • ответы на вопросы медицинских тестов с вариантами ответа
  • подготовка к экзаменам по медицине
  • диалоговые ответы на медицинские вопросы
  • оценка языковых моделей на наборах MedMCQA и MedQA

Ограничения

Приведены результаты только на отдельных наборах медицинских вопросов; они не устанавливают надёжность модели для клинических решений. Языки и качество ответов вне оценённых тестов в карточке не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Evaluation

TasksVersionFiltern-shotMetricValueStderr
- medmcqaYamlnone0acc0.5408±0.0077
none0acc_norm0.5408±0.0077
- medqa_4optionsYamlnone0acc0.5711±0.0139
none0acc_norm0.5711±0.0139
- anatomy (mmlu)0none0acc0.6815±0.0402
- clinical_knowledge (mmlu)0none0acc0.7434±0.0269
- college_biology (mmlu)0none0acc0.8056±0.0331
- college_medicine (mmlu)0none0acc0.6647±0.0360
- medical_genetics (mmlu)0none0acc0.7300±0.0446
- professional_medicine (mmlu)0none0acc0.7353±0.0268
stemN/Anone0acc_norm0.5478±0.0067
none0acc0.5909±0.0058
- pubmedqa1none0acc0.7620±0.0191
GroupsVersionFiltern-shotMetricValueStderr
stemN/Anone0acc_norm0.5478±0.0067
none0acc0.5909±0.0058

Comparison Image

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Phi3ForCausalLM
Ревизия весов
9ee7deb

0 моделей