/ 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-medication_qa-sft

Генерация текстаТекст → текст3 профессии

Дообученная версия Meditron-7B на архитектуре Llama для экспериментов с генерацией текста, включая медицинские ответы.

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-medication_qa-sft — дообученная языковая модель на архитектуре Llama, созданная на базе epfl-llm/meditron-7b. Модель содержит 6,6 млрд параметров и рассчитана на генерацию текста с контекстом до 2048 токенов.

Чекпойнт дообучен на наборе HuggingFaceH4/deita-10k-v0-sft. Его можно применять для исследовательских экспериментов с генерацией ответов и диалоговых текстов; базовая Meditron-7B ориентирована на медицинские вопросы. README сообщает значение loss 1,3274 на наборе оценки, но не раскрывает подробностей методики или назначения этого варианта.

Модель распространяется по лицензии Llama 2. README не содержит сведений о специальных ограничениях применения или подтверждённых сценариях для этой версии.

Сценарии применения

  • генерация ответов на медицинские вопросы в исследовательских экспериментах
  • эксперименты с инструкционной генерацией текста
  • оценка дообучения Meditron-7B на наборе Deita SFT

Ограничения

README не описывает проверенные сценарии применения, оценочную методику или специальные ограничения этой версии. Базовая модель ориентирована на медицинские ответы, поэтому её выводы не следует считать подтверждённой медицинской рекомендацией.

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-medication_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: 1.3274

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
1.17130.9261.3683
1.01852.0131.3435
0.90112.77181.3274

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
1a6c76e

0 моделей