/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
11 мар 2024

BioMistral-MedicalQA-FT

Генерация текстаТекст → текст3 профессии

Дообученная на медицинских данных разговорная модель Mistral для генерации ответов на медицинские вопросы.

59скачиваний за 30 дней0лайковвеса обновлены11 мар 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

Kabster/BioMistral-MedicalQA-FT — дообученная разговорная языковая модель семейства Mistral, созданная на основе BioMistral и медицинского набора данных для рассуждений. Она предназначена для генерации ответов и диалоговой работы с медицинскими вопросами. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов.

Модель рассчитана на текстовый ввод и выдаёт текст. Репозиторий содержит веса в формате safetensors; для использования указана лицензия Apache-2.0. README не уточняет состав обучающих данных, охват медицинских специальностей и результаты оценки качества, поэтому надёжность ответов в конкретных клинических сценариях по доступным сведениям определить нельзя.

Сценарии применения

  • черновые ответы на медицинские вопросы
  • диалоговая справка по медицинской тематике
  • подготовка пояснений к медицинским понятиям

Ограничения

В README не приведены результаты оценки качества, охват специальностей и подробности обучающего набора. Надёжность ответов для клинических решений по доступным сведениям не установлена.

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

Model Card for BioMistral-MedicalQA-FT

This is a fine-tuned BioMistral model based on the medical reasoning dataset - https://huggingface.co/datasets/mamachang/medical-reasoning

Model Details

This is a fine-tuned BioMistral model based on the medical reasoning dataset - https://huggingface.co/datasets/mamachang/medical-reasoning

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Kabster/BioMistral-MedicalQA-FT"
messages = [{"role": "user", "content": "Can bisoprolol cause insomnia?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.2, top_k=100, top_p=0.95)
print(outputs[0]["generated_text"])

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
4f58943

0 моделей