Биомедицинская генеративная модель BART для задач преобразования и генерации текста в медицинском и биологическом контексте.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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
BioBART-v2-base — биомедицинская генеративная языковая модель семейства BART, представленная авторами работы BioBART: Hongyi Yuan, Zheng Yuan, Ruyi Gan, Jiaxing Zhang, Yutao Xie и Sheng Yu. Версия V2 использует новый биомедицинский словарь. Модель содержит 122,2 млн параметров, имеет архитектуру BartForConditionalGeneration и принимает последовательности длиной до 1024 токенов.
Модель предназначена для генерации и преобразования биомедицинского текста. Её можно применять как основу для задач, где требуется сформулировать или преобразовать текст в медицинском и биологическом контексте. В карточке указана лицензия Apache-2.0. Доступны веса в форматах PyTorch и Safetensors.
Карточка не приводит оценок качества или результатов по конкретным задачам; указанный контекст ограничен 1024 токенами.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Paper: BioBART: Pretraining and Evaluation of A Biomedical Generative Language Model
V2 adopts a new biomedical vocab.
@misc{BioBART,
title={BioBART: Pretraining and Evaluation of A Biomedical Generative Language Model},
author={Hongyi Yuan and Zheng Yuan and Ruyi Gan and Jiaxing Zhang and Yutao Xie and Sheng Yu},
year={2022},
eprint={2204.03905},
archivePrefix={arXiv}
}
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
У модели не указана задача.