/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
33,9 млрд
Размер весов
69,5 ГБ
Лицензия
Apache 2.0
Архитектура
llava_llama · dense
Библиотека
huatuogpt_vision
Опубликована
26 июн 2024

HuatuoGPT-Vision-34B

Генерация текстаТекст → текст3 профессии

Мультимодальная медицинская LLM на базе Yi-1.5-34B для ответов на текстовые запросы с учётом изображений.

133скачиваний за 30 дней24лайкавеса обновлены3 июл 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

HuatuoGPT-Vision-34B — мультимодальная языковая модель для медицинских задач, разработанная FreedomIntelligence. Модель содержит 33,9 млрд параметров и построена на базе Yi-1.5-34B с архитектурой LLaVA-v1.5; для обучения использовался набор PubMedVision.

Модель принимает изображения и текстовые запросы и формирует текстовые ответы, поэтому подходит для вопросов о медицинских изображениях и других сценариев, где требуется совместно анализировать изображение и текст. В метаданных также указана поддержка генерации текста. Карточка заявляет поддержку английского и китайского языков; нативный контекст — 4096 токенов.

Веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Модель ориентирована на медицинские приложения, однако карточка не приводит подробных результатов оценки или клинических ограничений.

Сценарии применения

  • ответы на вопросы о медицинских изображениях
  • анализ изображений вместе с текстовыми инструкциями
  • генерация медицинских ответов на английском языке
  • генерация медицинских ответов на китайском языке

Ограничения

Карточка не приводит подробных результатов оценки и клинических ограничений; ответы модели не следует считать подтверждёнными клиническими заключениями.

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

Introduction

HuatuoGPT-Vision is a multimodal LLM for medical applications, built with the PubMedVision dataset. HuatuoGPT-Vision-34B is trained based on Yi-1.5-34B using the LLaVA-v1.5 architecture.

Quick Start

  1. Get the model inference code from Github.
git clone https://github.com/FreedomIntelligence/HuatuoGPT-Vision.git
  1. Model inference
query = 'What does the picture show?'
image_paths = ['image_path1']

from cli import HuatuoChatbot
bot = HuatuoChatbot(huatuogpt_vision_model_path) # loads the model 
output = bot.inference(query, image_paths) # generates
print(output)  # Prints the model output

Citation

@misc{chen2024huatuogptvisioninjectingmedicalvisual,
      title={HuatuoGPT-Vision, Towards Injecting Medical Visual Knowledge into Multimodal LLMs at Scale}, 
      author={Junying Chen and Ruyi Ouyang and Anningzhe Gao and Shunian Chen and Guiming Hardy Chen and Xidong Wang and Ruifei Zhang and Zhenyang Cai and Ke Ji and Guangjun Yu and Xiang Wan and Benyou Wang},
      year={2024},
      eprint={2406.19280},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2406.19280}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · huatuogpt_vision

Нельзя запустить

Архитектура llava_llama неизвестна transformers в образе рантайма.

Класс архитектуры
LlavaLlamaForCausalLM
Ревизия весов
0f77069

0 моделей