Корейская модель семейства Llama на 10,6 млрд параметров, дообученная методом DPO на медицинских данных для генерации медицинских текстовых ответов.
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 «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
Myrrh_solar_10.7b_3.0 — языковая модель MoAData, разработанная Taeeon Park и Gihong Lee. Это плотная авторегрессионная модель семейства Llama с 10,6 млрд параметров, предназначенная для генерации текста. В README указано, что модель обучена методом DPO на самостоятельно подготовленном наборе медицинских данных на основе набора AI-hub, поэтому она ориентирована на медицинские диалоги и ответы.
Модель принимает текст и генерирует текст; карточка указывает корейский язык. Контекст составляет 4096 токенов. Для загрузки README приводит пример с Transformers и весами Safetensors в FP16. Модель опубликована под лицензией Apache-2.0. Карточка не сообщает результаты оценки качества и конкретные ограничения применения; медицинские ответы следует проверять перед использованием.
Карточка не приводит оценок качества или подробных ограничений; медицинские ответы требуют проверки специалистом.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Model Developers : Taeeon Park, Gihong Lee
dataset : dpo medical dataset (AI-hub dataset 활용 자체 제작)
Training Method Method : DPO.
Company : MoAData
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
repo = "MoaData/Myrrh_solar_10.7b_3.0"
model = AutoModelForCausalLM.from_pretrained(
repo,
return_dict=True,
torch_dtype=torch.float16,
device_map='auto'
)
tokenizer = AutoTokenizer.from_pretrained(repo)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…