/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Лицензия
Llama 2
Архитектура
llama · dense
Базовая модель
meditron-7b
Опубликована
14 апр 2024

meditron-7b-wo-healthsearch_qa-sft

Генерация текстаТекст → текст3 профессии

Дообученная на наборе Deita модель Llama для генерации текста, основанная на медицинской Meditron-7B.

14скачиваний за 30 дней0лайковвеса обновлены14 апр 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

Minbyul/meditron-7b-wo-healthsearch_qa-sft — дообученная модель генерации текста на базе epfl-llm/meditron-7b. Она использует плотную архитектуру Llama и содержит 6,6 млрд параметров; контекст — до 2048 токенов. В качестве обучающих данных указан набор HuggingFaceH4/deita-10k-v0-sft, а README сообщает значение loss 1,0945 на оценочном наборе.

Модель предназначена для генерации ответов на текстовые запросы; медицинская тематика унаследована от базовой Meditron-7B, которую описывают как англоязычную модель для экспериментов с ответами на медицинские вопросы. Качество и безопасность ответов именно этой версии README не характеризует. Лицензия — Llama 2 Community License.

Сценарии применения

  • генерация ответов на текстовые вопросы
  • подготовка ответов на медицинские вопросы на английском языке
  • эксперименты с дообучением Llama на инструкционных данных

Ограничения

README не описывает ограничения и оценку качества; приведено только значение loss 1,0945 на оценочном наборе. Контекст ограничен 2048 токенами.

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

meditron-7b-wo-healthsearch_qa-sft

This model is a fine-tuned version of epfl-llm/meditron-7b on the HuggingFaceH4/deita-10k-v0-sft dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0945

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 64
  • total_eval_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
1.28480.8921.1552
1.28481.7841.1191
1.20412.6761.0945

Framework versions

  • Transformers 4.39.0.dev0
  • Pytorch 2.1.2
  • Datasets 2.14.6
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
c222e6d

0 моделей