Дообученная модель на базе NVIDIA Nemotron-3.5-Content-Safety для классификации безопасности медицинских запросов на португальском языке.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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
Larxel/HealthSafetyLM-BR — дообученная модель для классификации безопасности медицинских запросов на португальском языке. Она основана на NVIDIA Nemotron-3.5-Content-Safety и использует архитектуру Gemma 3; опубликованные веса представлены в формате Safetensors. Модель принимает текст и выдаёт метку «User Safety: safe» или «User Safety: unsafe», помогая выявлять потенциально небезопасные запросы в контексте здравоохранения.
Модель обучена на безопасных вопросах Revalida и примерах Medical Malice. В README указана текстовая абляция QLoRA, объединённая в BF16, при этом метаданные классифицируют репозиторий как image-text-to-text и отмечают возможность работы с изображениями. Лицензия обозначена как other; README сообщает, что продолжают действовать условия OpenMDW и Gemma.
Выдаёт только метку safe/unsafe: категоризация причин и объяснение решения отключены. Хотя метаданные отмечают поддержку изображений, README описывает текстовую абляцию; качество за пределами описанных медицинских данных не установлено.
README от автора на Hugging Face, как он его опубликовал
Merged BF16 model from a text-layer-only QLoRA ablation of nvidia/Nemotron-3.5-Content-Safety for contextual healthcare safety classification in Portuguese. Trained on 1,777 safe Revalida questions and a category-stratified sample of 3,554 unsafe Medical Malice questions.
The model emits User Safety: safe or User Safety: unsafe; category prediction and thinking were disabled. The upstream OpenMDW and Gemma terms continue to apply.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…