/ Модель

Характеристики

Контекст
8 192 токена
Параметры
31,7 млрд
Размер весов
64,5 ГБ
Лицензия
Apache 2.0
Архитектура
olmo2 · dense
Базовая модель
OLMo-2-0325-32B-SFT
Библиотека
transformers
Опубликована
8 мая 2026

OLMo-2-32B-MeditronFO

Генерация текстаТекст → текст

Англоязычная медицинская диалоговая LLM LiGHT для ответов на медицинские вопросы и оценки клинических сценариев.

413скачиваний за 30 дней1лайквеса обновлены6 окт 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.

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

OLMo-2-32B-MeditronFO — англоязычная медицинская диалоговая модель, разработанная LiGHT. Это специализация OLMo-2-32B-SFT, дообученная на Fully Open Meditron Corpus: наборе из 533 888 примеров с медицинскими вопросами и ответами, клиническими рекомендациями и синтетическими клиническими виньетками. Разработчики описывают проект как полностью открытый и аудируемый конвейер клинических LLM с открытыми весами, данными и рецептом обучения.

Модель предназначена для генерации ответов на медицинские вопросы, поддержки оценки клинических сценариев и других задач медицинского текста. Она содержит 31,7 млрд параметров, использует плотную архитектуру OLMo 2 и поддерживает контекст до 8 192 токенов. В оценках авторов модель предпочитали базовой OLMo-2-32B-SFT в 81,9% сравнений AutoMOOVE; на приведённых медицинских бенчмарках она показала более высокие результаты, чем базовая модель.

Модель может генерировать фактически неточные, непоследовательные или предвзятые ответы. Она предназначена для медицинских задач оценки и должна применяться как вспомогательный инструмент: важную информацию необходимо проверять. Лицензия — Apache 2.0.

Сценарии применения

  • ответы на медицинские вопросы
  • оценка клинических сценариев и виньеток
  • ответы на вопросы по клиническим рекомендациям
  • сравнительная оценка медицинских LLM
  • поддержка анализа медицинских текстов

Ограничения

Модель может выдавать фактически неточные, логически непоследовательные или предвзятые ответы; важную информацию необходимо проверять. Предназначена для оценки медицинских задач и должна использоваться как вспомогательный инструмент, а не как окончательный источник медицинских рекомендаций.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OLMo-2-32B-MeditronFO

[!Note] We're introducing OLMo-2-32B-MeditronFO, our latest medical specialist LLM, medical specialization of OLMo-2-32B-SFT on the Fully Open Meditron Corpus. This model is part of the Fully Open Meditron family — the first end-to-end auditable pipeline for clinical LLMs, with open weights, open data, open training recipe, and clinician-vetted corpus construction.

  • Part of the Fully Open Meditron family: End to end fully open clinical LLMs
  • Preferred over OLMo-2-32B-SFT in 81.9% of comparisons on AutoMOOVE, the clinician-validated LLM-judge evaluation (three-judge majority, 516 clinician-written vignettes)

Benchmark

Accuracy (%) on four multiple-choice medical benchmarks (greedy decoding) and score (%) on HealthBench (all 5,000 conversations, Gemma-4-31B grader). See the paper for the full evaluation details, confidence intervals and the AutoMOOVE results.

BenchmarkOLMo-2-32B-SFTOLMo-2-32B-MeditronFOΔ
MedMCQA59.060.8+1.8
MedQA65.872.3+6.5
PubMedQA71.076.9+5.9
MedXpertQA12.417.9+5.5
HealthBench26.641.6+15.0
Average (5)46.9653.91+6.95

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "EPFLiGHT/OLMo-2-32B-MeditronFO"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

messages = [
    {"role": "user", "content": "A 62-year-old woman presents with a three-day history of dyspnea on exertion and a productive cough. What is the differential diagnosis?"},
]
inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    tokenize=True,
    return_dict=True,
    return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=512, do_sample=False)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))

Training

  • Base model: OLMo-2-32B-SFT
  • Corpus: Fully Open Meditron, 533,888 examples: Curated QA (195.5k, seven public medical QA datasets), Synthetic Curated QA (184.5k), Guidelines QA (129.8k, generated from 14,192 clinical practice guidelines) and Synthetic vignettes (24.0k, modelled on clinician-written MOOVE vignettes). Every answer is written by gpt-oss-120b with rejection sampling (pass@8; multiple-choice answers must match the gold label), with generation prompts co-authored by four clinicians
  • Decontamination: two-stage n-gram decontamination against all evaluation benchmarks and the AutoMOOVE test set (4,197 rows removed)
  • Recipe: 2 epochs, learning rate 5e-6 with cosine decay and 3% warmup, effective batch 128 sequences of 8,192 packed tokens, AdamW, seed 42
  • Framework: Axolotl with FSDP v2, bf16

Full hyperparameters are in the training appendix of the paper.

Compute & footprint

The training was done on 16 nodes of 4 NVIDIA GH200 GPUs for 3 h 31 min (225 GPU-hours) on the Alps supercomputer of the CSCS Swiss National Supercomputing Centre. Our trainings have a carbon neutral footprint as the CSCS data center is carbon neutral (CSCS energy efficiency).

Limitations & intended use

MeditronFO can produce text on a variety of topics, but the generated content may not always be factually accurate, logically consistent, or free from biases present in the training data. MeditronFO has been trained to be specialised for Medicine and is intended to be used for Medicine related tasks evaluation. These models should be used as assistive tools rather than definitive sources of information. Users should always verify important information and critically evaluate any generated content.

Citation

If you find MeditronFO useful in your research, please cite our preprint:

@misc{theimerlienhard2026fullyopenmeditronauditable,
  title         = {Fully Open Meditron: An Auditable Pipeline for Clinical LLMs},
  author        = {Xavier Theimer-Lienhard and Mushtaha El-Amin and Fay Elhassan and Sahaj Vaidya and Victor Cartier-Negadi and David Sasu and Lars Klein and Mary-Anne Hartley},
  year          = {2026},
  eprint        = {2605.16215},
  archivePrefix = {arXiv},
  primaryClass  = {cs.AI},
  url           = {https://arxiv.org/abs/2605.16215}
}

Contact

Please use the community tab for any discussions or issue related to this model. Questions related to the project can be sent to xavier.theimer-lienhard@epfl.ch or mary-anne.hartley@epfl.ch.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Olmo2ForCausalLM
Ревизия весов
f132a49

0 моделей