Дообученная на пользовательском арабском наборе данных модель Llama для генерации текста в медицинских сценариях.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
EngTig/llama-2-7b-Arabic-medical — языковая модель семейства Llama, дообученная EngTig на собственном наборе данных на арабском языке. Она предназначена для генерации текста и может использоваться в сценариях, связанных с медицинской тематикой, например для подготовки черновиков ответов на вопросы. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, формируя текстовый ответ; максимальная длина контекста — 4096 токенов. В метаданных указаны арабский и английский языки.
Карточка не приводит результаты оценки качества, состав и охват медицинских данных или сведения о проверке ответов. Поэтому пригодность для клинических решений не подтверждена; медицинские ответы следует проверять специалистом. Лицензия в предоставленных данных не указана.
В карточке нет результатов оценки качества или описания состава медицинских данных, поэтому точность ответов не подтверждена. Не следует полагаться на модель для диагностики или лечения без проверки специалистом.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This Model was Trained on Custom Arabic Dataset
from transformers import pipeline
pipe = pipeline("text-generation", model="EngTig/llama-2-7b-Arabic-medical")
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("EngTig/llama-2-7b-Arabic-medical") model = AutoModelForCausalLM.from_pretrained("EngTig/llama-2-7b-Arabic-medical")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…