/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
12 мая 2025

II-Medical-8B

Генерация текстаТекст → текст3 профессии

II-Medical-8B — диалоговая модель Intelligent Internet на базе Qwen3 для ответов на медицинские вопросы и рассуждений по медицинским темам.

2 059скачиваний за 30 дней214лайковвеса обновлены12 авг 2025

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

II-Medical-8B — медицинская языковая модель компании Intelligent Internet, предназначенная для ответов на вопросы и рассуждений в медицинской тематике. Она основана на плотной архитектуре Qwen3 и содержит 7,6 млрд параметров; обучение включало SFT на медицинских данных и дополнительную оптимизацию DAPO на сложных задачах рассуждения. Модель поддерживает диалоговый режим, принимает текст и генерирует текст. В метаданных указан контекст до 40 960 токенов.

Модель рассчитана на медицинские вопросы и ответы, включая задачи, похожие на медицинские экзамены и работу с научными публикациями. Авторы сообщают о результате 40% на HealthBench и приводят оценки на нескольких медицинских QA-бенчмарках. Карточка рекомендует запрашивать пошаговое рассуждение и оформлять итог в \boxed{}.

Модель выпущена по лицензии Apache-2.0. Авторы предупреждают о возможных смещениях в исходных данных и устаревании медицинских знаний и прямо указывают, что модель не подходит для медицинского применения; её ответы не следует использовать для диагностики или выбора лечения.

Сценарии применения

  • ответы на учебные вопросы по медицине
  • подготовка к медицинским экзаменам
  • разбор медицинских задач с пошаговым рассуждением
  • ответы на вопросы по биомедицинским публикациям

Ограничения

Авторы отмечают возможные смещения в обучающих данных и устаревание медицинских знаний и прямо предупреждают, что модель не подходит для медицинского применения. В README не приведены языковые коды; перечисление англоязычных и китайских наборов данных не гарантирует поддержку соответствующих 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

II-Medical-8B

I. Model Overview

II-Medical-8B is the newest advanced large language model developed by Intelligent Internet, specifically engineered to enhance AI-driven medical reasoning. Following the positive reception of our previous II-Medical-7B-Preview, this new iteration significantly advances the capabilities of medical question answering,

II. Training Methodology

We collected and generated a comprehensive set of reasoning datasets for the medical domain and performed SFT fine-tuning on the Qwen/Qwen3-8B model. Following this, we further optimized the SFT model by training DAPO on a hard-reasoning dataset to boost performance.

For SFT stage we using the hyperparameters:

  • Max Length: 16378.
  • Batch Size: 128.
  • Learning-Rate: 5e-5.
  • Number Of Epoch: 8.

For RL stage we setup training with:

  • Max prompt length: 2048 tokens.
  • Max response length: 12288 tokens.
  • Overlong buffer: Enabled, 4096 tokens, penalty factor 1.0.
  • Clip ratios: Low 0.2, High 0.28.
  • Batch sizes: Train prompt 512, Generation prompt 1536, Mini-batch 32.
  • Responses per prompt: 16.
  • Temperature: 1.0, Top-p: 1.0, Top-k: -1 (vLLM rollout).
  • Learning rate: 1e-6, Warmup steps: 10, Weight decay: 0.1.
  • Loss aggregation: Token-mean.
  • Gradient clipping: 1.0.
  • Entropy coefficient: 0.

III. Evaluation Results

Our II-Medical-8B model achieved a 40% score on HealthBench, a comprehensive open-source benchmark evaluating the performance and safety of large language models in healthcare. This performance is comparable to OpenAI's o1 reasoning model and GPT-4.5, OpenAI's largest and most advanced model to date. We provide a comparison to models available in ChatGPT below.

image/jpeg Detailed result for HealthBench can be found here.

Model Benchmark

We evaluate on ten medical QA benchmarks include MedMCQA, MedQA, PubMedQA, medical related questions from MMLU-Pro and GPQA, small QA sets from Lancet and the New England Journal of Medicine, 4 Options and 5 Options splits from the MedBullets platform and MedXpertQA.

ModelMedMCMedQAPubMedMMLU-PGPQALancetMedB-4MedB-5MedXNEJMAvg
HuatuoGPT-o1-72B76.7688.8579.9080.4664.3670.8777.2773.0523.5376.2971.13
QWQ 32B69.7387.0388.579.8669.1771.372.0769.0124.9875.1270.68
Qwen2.5-7B-IT56.5661.5171.361.1742.5661.1746.7540.5813.2659.0451.39
HuatuoGPT-o1-8B63.9774.7880.1063.7155.3864.3258.4451.9515.7964.8459.32
Med-reason61.6771.8777.464.150.5159.760.0654.2222.8766.859.92
M162.5475.8175.8065.8653.0862.6263.6459.7419.5964.3460.3
II-Medical-8B-SFT71.9286.5777.477.2665.6469.1776.3067.5323.7973.8068.80
II-Medical-8B71.5787.8278.280.4667.1870.3878.2572.0725.2673.1370.49

IV. Dataset Curation

The training dataset comprises 555,000 samples from the following sources:

1. Public Medical Reasoning Datasets (103,031 samples)

2. Synthetic Medical QA Data with QwQ (225,700 samples)

Generated from established medical datasets:

  • MedMcQA (from openlifescienceai/medmcqa): 183,000 samples
  • MedQA: 10,000 samples
  • MedReason: 32,700 samples

3. Curated Medical R1 Traces (338,055 samples)

First we gather all the public R1 traces from:

All R1 reasoning traces were processed through a domain-specific pipeline as follows:

  1. Embedding Generation: Prompts are embedded using sentence-transformers/all-MiniLM-L6-v2.

  2. Clustering: Perform K-means clustering with 50,000 clusters.

  3. Domain Classification:

    • For each cluster, select the 10 prompts nearest to the cluster center.
    • Classify the domain of each selected prompt using Qwen2.5-32b-Instruct.
    • Assign the cluster's domain based on majority voting among the classified prompts.
  4. Domain Filtering: Keep only clusters labeled as Medical or Biology for the final dataset.

4. Supplementary Math Dataset

  • Added 15,000 samples of reasoning traces from light-r1
  • Purpose: Enhance general reasoning capabilities of the model

Preprocessing Data

  1. Filtering for Complete Generation

    • Retained only traces with complete generation outputs
  2. Length-based Filtering

    • Minimum threshold: Keep only the prompt with more than 3 words.
    • Wait Token Filter: Removed traces with has more than 47 occurrences of "Wait" (97th percentile threshold).

Data Decontamination

We using two step decontamination:

  1. Following open-r1 project: We decontaminate a dataset using 10-grams with the evaluation datasets.
  2. After that, we using the fuzzy decontamination from s1k method with threshold 90%.

Our pipeline is carefully decontaminated with the evaluation datasets.

V. How To Use

Our model can be utilized in the same manner as Qwen or Deepseek-R1-Distill models.

For instance, you can easily start a service using vLLM:

vllm serve Intelligent-Internet/II-Medical-8B

You can also easily start a service using SGLang:

python -m sglang.launch_server --model Intelligent-Internet/II-Medical-8B

VI. Usage Guidelines

  • Recommended Sampling Parameters: temperature = 0.6, top_p = 0.9
  • When using, explicitly request step-by-step reasoning and format the final answer within \boxed{} (e.g., "Please reason step-by-step, and put your final answer within \boxed{}.").

VII. Limitations and Considerations

  • Dataset may contain inherent biases from source materials
  • Medical knowledge requires regular updates
  • Please note that It’s not suitable for medical use.

VIII. Citation

@misc{2025II-Medical-8B,
      title={II-Medical-8B: Medical Reasoning Model}, 
      author={Intelligent Internet},
      year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
545fa02

0 моделей