/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
CC BY-NC-SA 4.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-2B-Instruct
Библиотека
transformers
Опубликована
27 фев 2026

MediX-R1-2B

Изображение и текст → текст3 профессии

Производная модели MBZUAI/MediX-R1-30B. Медицинская мультимодальная модель MBZUAI для клинических ответов и анализа изображений по текстовым и визуальным запросам.

129скачиваний за 30 дней3лайкавеса обновлены12 сен 2026

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 «Изображение → 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

Карточка модели MBZUAI/MediX-R1-2B на Hugging Face совпадает с карточкой MBZUAI/MediX-R1-30B, поэтому описание составлено по ней.

MediX-R1-30B — медицинская мультимодальная модель MBZUAI для ответов на вопросы по тексту и медицинским изображениям. Это дообученная методом обучения с подкреплением модель Qwen/Qwen3-VL-30B-A3B-Instruct; в метаданных указана архитектура Qwen3-VL MoE и библиотека Transformers. Модель предназначена для свободных клинических ответов и рассуждений, включая сценарии, выходящие за рамки тестов с выбором ответа.

При обучении использовалось около 50 тысяч инструкционных примеров и составная функция вознаграждения, учитывающая точность, семантическое сходство, формат ответа и распознавание модальности. В README сообщается о среднем результате 73,6% на медицинских бенчмарках; это заявление авторов, а не гарантия качества в клиническом применении. Карточка указывает поддержку английского языка. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • ответы на медицинские вопросы по текстовому описанию
  • анализ медицинских изображений с пояснениями
  • свободные клинические ответы вместо выбора из вариантов
  • оценка медицинских мультимодальных моделей на бенчмарках

Ограничения

Заявленные результаты получены на бенчмарках и сами по себе не подтверждают пригодность модели для принятия клинических решений. Лицензия CC BY-NC-SA 4.0 запрещает коммерческое использование.

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

MediX-R1: Open-Ended Medical Reinforcement Learning

Sahal Shaji Mullappilly*, Mohammed Irfan K*, Jaseel Muhammad, Omair Mohamed, Mohamed Zidan, Fahad Khan, Salman Khan, Rao Muhammad Anwer, and Hisham Cholakkal

*Equally contributing first authors

Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI), UAE

Website Paper HuggingFace Leaderboard


Overview

MediX-R1 is an open-ended Reinforcement Learning (RL) framework for medical multimodal large language models (MLLMs) that enables clinically grounded, free-form answers beyond multiple-choice formats. MediX-R1 fine-tunes vision-language backbones with Group-Based RL and a composite reward tailored for medical reasoning: an LLM-based accuracy reward, a medical embedding-based semantic reward, and lightweight format and modality rewards that enforce interpretable reasoning.

Despite using only ~50K instruction examples, MediX-R1 achieves excellent results across standard medical LLM and VLM benchmarks, outperforming strong open-source baselines.

Highlights:

  • Our 8B model achieves an overall average of 68.8%, outperforming the much larger 27B MedGemma (68.4%).
  • Our 30B model achieves the best overall score of 73.6%, demonstrating the effectiveness of our composite reward design.

Contributions

  • We introduce an open-ended RL framework for medical MLLMs that produces clinically grounded, free-form answers beyond MCQ formats.
  • We design a composite reward combining LLM-based accuracy, embedding-based semantic similarity, format adherence, and modality recognition, providing stable and informative feedback where traditional verifiable or MCQ-only rewards fall short.
  • We propose a unified evaluation framework for both text-only and image+text tasks using a Reference-based LLM-as-judge, capturing semantic correctness, reasoning, and contextual alignment.
  • Despite using only ~50K instruction examples, MediX-R1 achieves state-of-the-art results across diverse medical LLM and VLM benchmarks, with particularly large gains on open-ended clinical tasks.

Architecture


Composite Reward Design

MediX-R1 uses a multi-signal reward combining LLM-based accuracy, embedding-based semantic similarity, format adherence, and modality recognition. This stabilizes training and prevents reward hacking compared to single-signal approaches.


Qualitative Examples


Training

We provide training configs for all model sizes using GRPO and DAPO algorithms. The training pipeline uses a vLLM-based reward server for LLM-as-judge scoring during RL training.

cd training
pip install -e .
bash vllm_serve.sh       # Step 1: Start the reward server
bash run_train.sh        # Step 2: Launch RL training
bash merge_model.sh      # Step 3: Merge FSDP checkpoints

Training data: MBZUAI/medix-rl-data (~51K train, ~2.5K test samples)

See training/README.md for detailed setup, configuration options, and per-model scripts.

Evaluation

We propose a unified evaluation framework for both text-only (LLM) and image+text (VLM) tasks using a Reference-based LLM-as-judge across 17 medical benchmarks.

cd eval
pip install uv && uv pip install -r requirements.txt
bash eval.sh             # Run all phases: generate, evaluate, score

Supports self-hosted judge models via vLLM or OpenRouter as a remote alternative. Results can be submitted to the MediX Leaderboard.

See eval/README.md for task selection, CLI reference, and MMMU-Medical evaluation.


Model Zoo

ModelHuggingFace
MediX-R1-2BMBZUAI/MediX-R1-2B
MediX-R1-8BMBZUAI/MediX-R1-8B
MediX-R1-30BMBZUAI/MediX-R1-30B

Citation

If you use MediX-R1 in your research, please cite our work as follows:

@misc{mullappilly2026medixr1openendedmedical,
      title={MediX-R1: Open Ended Medical Reinforcement Learning}, 
      author={Sahal Shaji Mullappilly and Mohammed Irfan Kurpath and Omair Mohamed and Mohamed Zidan and Fahad Khan and Salman Khan and Rao Anwer and Hisham Cholakkal},
      year={2026},
      eprint={2602.23363},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2602.23363}, 
}

License

This project is released for research purposes only under CC-BY-NC-SA 4.0 License. It is not intended for clinical or commercial use.

Users are urged to employ MediX-R1 responsibly, especially when applying its outputs in real-world medical scenarios. It is imperative to verify the model's advice with qualified healthcare professionals and not rely on it for medical diagnoses or treatment decisions.


Acknowledgements

We are thankful to EasyR1 (a fork of veRL) for their open-source RL training framework.

This work was partially supported with NVIDIA Academic Grant 2025 and MBZUAI-IITD Research Collaboration Seed Grant.

We are grateful to MBZUAI for compute and support.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
8f68f02

0 моделей