/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B-Instruct
Опубликована
6 фев 2025

medical_o1_verifier_3B_Qwen2.5

Классификация текстаТекст → label3 профессии

Медицинский классификатор, который проверяет правильность ответов языковых моделей на проверяемые медицинские задачи на английском и китайском языках.

22скачиваний за 30 дней6лайковвеса обновлены6 фев 2025

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

FreedomIntelligence/medical_o1_verifier_3B_Qwen2.5 — медицинская модель-верификатор на основе Qwen2.5-3B-Instruct, разработанная FreedomIntelligence. Она оценивает правильность ответов языковых моделей на проверяемые медицинские задачи и может использоваться для проверки результатов медицинских рассуждений. Модель построена на плотной архитектуре Qwen2 с классификационной головой Qwen2ForSequenceClassification, содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов.

В README заявлена поддержка английского и китайского языков. Модель дообучена на наборе FreedomIntelligence/medical-o1-verifiable-problem и распространяется в формате safetensors под лицензией Apache-2.0. Она предназначена для оценки корректности ответов, а не для самостоятельной постановки диагноза или замены медицинского специалиста.

Сценарии применения

  • проверка правильности ответов LLM на медицинские вопросы
  • оценка решений медицинских задач с проверяемым ответом
  • фильтрация ошибочных ответов в медицинском пайплайне
  • поддержка оценки медицинских рассуждений языковых моделей

Ограничения

Предназначена для проверки ответов на медицинские задачи с проверяемым решением; README не заявляет пригодность для диагностики или клинических решений. Поддержка указана для английского и китайского языков.

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

This Verifier is built upon Qwen2.5-3B-Instruct, which supports answer verification in both English and Chinese.

This is a medical verifier designed to evaluate the correctness of LLM outputs on medical verifiable problems. Such verification can be utilized to enhance the medical reasoning capabilities of LLMs.

For details, please refer to our paper and GitHub repository. Additionally, you can explore HuatuoGPT-o1, our advanced medical LLM specializing in complex medical reasoning.

Usage

Follow the code below to utilize this model:

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch.nn.functional as F

# Load tokenizer and model
model_path = 'FreedomIntelligence/medical_o1_verifier_3B_Qwen2.5'
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForSequenceClassification.from_pretrained(
    model_path, torch_dtype="auto", device_map="auto", attn_implementation="flash_attention_2", num_labels=2
)

# Evaluation template
template = """<Model Response>
{}
</Model Response>

<Reference Answer>
{}
</Reference Answer>

Your task is to evaluate the model response by comparing it to the reference answer. If the model response is correct and aligns with the reference answer, output "True" . If it is incorrect or fails to select the correct option (if options are provided), output "False" . {}"""

# Tokenize input and evaluate
LLM_response = 'The answer is 25 percentage'
ground_truth_answer = '25%'
input_batch = tokenizer([template.format(LLM_response,ground_truth_answer,tokenizer.eos_token)], return_tensors="pt").to(model.device)
logits = model(**input_batch,return_dict=True).logits
probabilities = F.softmax(logits, dim=-1)
result = "True" if probabilities[0, 1] > 0.5 else "False"

print(f"Evaluation Result: {result}")

📖 Citation

@misc{chen2024huatuogpto1medicalcomplexreasoning,
      title={HuatuoGPT-o1, Towards Medical Complex Reasoning with LLMs}, 
      author={Junying Chen and Zhenyang Cai and Ke Ji and Xidong Wang and Wanlong Liu and Rongsheng Wang and Jianye Hou and Benyou Wang},
      year={2024},
      eprint={2412.18925},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2412.18925}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForSequenceClassification
Ревизия весов
b0f125a

0 моделей