/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Размер весов
15,9 ГБ
Лицензия
Apache 2.0
Архитектура
llava_qwen2 · dense
Опубликована
26 июн 2024

HuatuoGPT-Vision-7B

Генерация текстаТекст → текст3 профессии

Мультимодальная модель FreedomIntelligence для диалоговых медицинских задач по тексту и изображениям.

738скачиваний за 30 дней30лайковвеса обновлены29 июн 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-7B — мультимодальная языковая модель для медицинских задач, разработанная FreedomIntelligence. Она основана на Qwen2-7B и архитектуре LLaVA-v1.5, обучена на датасете PubMedVision и рассчитана на диалоговые сценарии с медицинскими изображениями и текстом. Модель содержит 7,1 млрд параметров, поддерживает контекст до 131 072 токенов и работает с текстовыми и визуальными входными данными, формируя текстовые ответы. В карточке заявлены английский и китайский языки. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • ответы на вопросы по медицинским изображениям
  • диалоговая помощь при анализе медицинских материалов
  • составление текстовых ответов на медицинские запросы с изображениями

Ограничения

Модель предназначена для медицинских сценариев, но карточка не сообщает результаты клинической проверки или гарантии точности ответов.

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-7B is trained based on Qwen2-7B 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

Нельзя запустить

Архитектура llava_qwen2 неизвестна transformers в образе рантайма.

Класс архитектуры
LlavaQwen2ForCausalLM
Ревизия весов
34dfcdb

0 моделей