/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
32,1 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
MMed-Llama-3-8B
Библиотека
transformers
Опубликована
22 мая 2024

MMed-Llama-3-8B-EnIns

Генерация текстаТекст → текст3 профессии

Мультиязычная медицинская Llama 3, дообученная на английских инструкциях для ответов на медицинские вопросы.

36скачиваний за 30 дней5лайковвеса обновлены4 сен 2024

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

MMed-Llama-3-8B-EnIns — медицинская языковая модель Henrychur на архитектуре Llama 3. Это дообученная версия MMed-Llama-3-8B, дополнительно настроенная на англоязычном наборе медицинских инструкций PMC-LLaMA. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; нативная длина контекста — 8192 токена.

Модель предназначена для медицинских вопросов и ответов, включая ответы на вопросы с выбором варианта, а также для оценки на англоязычных медицинских бенчмарках. Хотя базовая модель мультиязычна, эта версия дообучалась только на англоязычных инструкциях, поэтому её ответы на других языках могут быть ограничены. Распространяется в формате Safetensors по лицензии Llama 3.

Сценарии применения

  • ответы на медицинские вопросы на английском языке
  • решение медицинских тестов с выбором ответа
  • генерация пояснений к ответам на медицинские вопросы
  • оценка медицинских языковых моделей на англоязычных бенчмарках

Ограничения

Эта версия дообучалась только на англоязычном медицинском наборе инструкций, поэтому качество ответов на других языках ограничено. Медицинские ответы модели требуют проверки специалистом.

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

MMedLM

💻Github Repo 🖨️arXiv Paper

The official model weights for "Towards Building Multilingual Language Model for Medicine".

Introduction

This repo contains MMed-Llama 3-8B-EnIns, which is based on MMed-Llama 3-8B. We further fine-tune the model on English instruction fine-tuning dataset(from PMC-LLaMA). We did this for a fair comparison with existing models on commonly-used English benchmarks. Notice that, MMed-Llama 3-8B-EnIns has only been trained on pmc_llama_instructions, which is a English medical SFT dataset focusing on QA tasks. So this model's ability to respond multilingual input is still limited.

The model can be loaded as follows:

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("Henrychur/MMed-Llama-3-8B-EnIns")
model = AutoModelForCausalLM.from_pretrained("Henrychur/MMed-Llama-3-8B-EnIns", torch_dtype=torch.float16)
  • Inference format is similar to Llama 3-Instruct, you can check our inference code here.
  • For multiple-choice question and answering tasks, we suggest using the following instruction.
from model import MedS_Llama3 # https://github.com/MAGIC-AI4Med/MedS-Ins/blob/main/Inference/model.py
sdk_api = MedS_Llama3(model_path="Henrychur/MMed-Llama-3-8B-EnIns", gpu_id=0)
INSTRUCTION = "Given a question and a list of options, select the correct answer from the options directly."
input_ = "Question: A mother brings her 3-week-old infant to the pediatrician's office because she is concerned about his feeding habits. He was born without complications and has not had any medical problems up until this time. However, for the past 4 days, he has been fussy, is regurgitating all of his feeds, and his vomit is yellow in color. On physical exam, the child's abdomen is minimally distended but no other abnormalities are appreciated. Which of the following embryologic errors could account for this presentation?\nOptions: A: Abnormal migration of ventral pancreatic bud\tB: Complete failure of proximal duodenum to recanalize\tC: Abnormal hypertrophy of the pylorus\tD: Failure of lateral body folds to move ventrally and fuse in the midline\t"
results = sdk_api.chat([], input_, INSTRUCTION)
print(results)

News

[2024.2.21] Our pre-print paper is released ArXiv. Dive into our findings here.

[2024.2.20] We release MMedLM and MMedLM 2. With an auto-regressive continues training on MMedC, these models achieves superior performance compared to all other open-source models, even rivaling GPT-4 on MMedBench.

[2023.2.20] We release MMedC, a multilingual medical corpus containing 25.5B tokens.

[2023.2.20] We release MMedBench, a new multilingual medical multi-choice question-answering benchmark with rationale. Check out the leaderboard here.

Evaluation on Commonly-used English Benchmark

The further pretrained MMed-Llama3 also showcast it's great performance in medical domain on different English benchmarks.

MethodSizeYearMedQAMedMCQAPubMedQAMMLU_CKMMLU_MGMMLU_ANMMLU_PMMMLU_CBMMLU_CMAvg.
MedAlpaca7B2023.341.737.572.857.469.057.067.365.354.358.03
PMC-LLaMA13B2023.956.456.077.9-------
MEDITRON7B2023.1157.259.274.464.659.949.355.453.844.857.62
Mistral7B2023.1250.848.275.468.771.055.668.468.159.562.97
Gemma7B2024.247.249.076.269.870.059.366.279.960.164.19
BioMistral7B2024.250.648.177.559.964.056.560.459.054.758.97
Llama 38B2024.460.950.773.072.176.063.077.279.964.268.56
MMed-Llama 3~(Ours)8B-65.463.580.171.385.069.677.674.366.572.59

Contact

If you have any question, please feel free to contact qiupengcheng@pjlab.org.cn.

Citation

@misc{qiu2024building,
      title={Towards Building Multilingual Language Model for Medicine}, 
      author={Pengcheng Qiu and Chaoyi Wu and Xiaoman Zhang and Weixiong Lin and Haicheng Wang and Ya Zhang and Yanfeng Wang and Weidi Xie},
      year={2024},
      eprint={2402.13963},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
45936f7

0 моделей