/ Модель

Характеристики

Контекст
8 192 токена
Параметры
6,6 млрд
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Опубликована
14 янв 2024

Medtulu-4x7B

Генерация текстаТекст → текст3 профессии

Модель Mixtral MoE для генерации текста, объединяющая медицинские языковые модели и Tulu для ответов и работы с медицинскими текстами.

71скачиваний за 30 дней0лайковвеса обновлены14 янв 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

Technoculture/Medtulu-4x7B — языковая модель семейства Mixtral с архитектурой смеси экспертов (MoE), предназначенная для генерации текста. В README она описана как объединение моделей epfl-llm/meditron-7b, medalpaca/medalpaca-7b, chaoyi-wu/PMC_LLAMA_7B_10_epoch и allenai/tulu-2-dpo-7b; медицинская специализация первых трёх компонентов указывает на применение для медицинских текстов и вопросов.

Модель содержит 6,6 млрд параметров, принимает текст и генерирует текст, а длина контекста составляет 8192 токена. Репозиторий использует формат safetensors. Указанная лицензия — Apache-2.0.

Её можно применять для ответов на медицинские вопросы и работы с медицинской литературой, однако README не содержит заполненных результатов бенчмарков, поэтому качество и надёжность ответов по этим данным оценить нельзя.

Сценарии применения

  • ответы на вопросы по медицинской тематике
  • подготовка черновиков медицинских текстов
  • обобщение медицинских публикаций
  • поиск ответов в биомедицинской литературе

Ограничения

README не приводит заполненных результатов бенчмарков, поэтому качество модели по медицинским тестам не подтверждено представленными данными.

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

Mediquad-tulu-20B

Mediquad-tulu-20B is a Mixure of Experts (MoE) made with the following models:

Evaluations

BenchmarkMediquad-tulu-20Bmeditron-7bOrca-2-7bmeditron-70b
MedMCQA
ClosedPubMedQA
PubMedQA
MedQA
MedQA4
MedicationQA
MMLU Medical
TruthfulQA
GSM8K
ARC
HellaSwag
Winogrande

🧩 Configuration

gate_mode: hidden
dtype: bfloat16
experts:
  - source_model: epfl-llm/meditron-7b
    positive_prompts:
      - "What are the latest guidelines for managing type 2 diabetes?"
      - "Best practices for post-operative care in cardiac surgery are"
    negative_prompts:
      - "What are the environmental impacts of deforestation?"
      - "The recent advancements in artificial intelligence have led to developments in"
  - source_model: medalpaca/medalpaca-7b
    positive_prompts:
      - "When discussing diabetes management, the key factors to consider are"
      - "The differential diagnosis for a headache with visual aura could include"
    negative_prompts:
      - "Recommend a good recipe for a vegetarian lasagna."
      - "The fundamental concepts in economics include ideas like supply and demand, which explain"
  - source_model: chaoyi-wu/PMC_LLAMA_7B_10_epoch
    positive_prompts:
      - "How would you explain the importance of hypertension management to a patient?"
      - "Describe the recovery process after knee replacement surgery in layman's terms."
    negative_prompts:
      - "Recommend a good recipe for a vegetarian lasagna."
      - "The recent advancements in artificial intelligence have led to developments in"
      - "The fundamental concepts in economics include ideas like supply and demand, which explain"
  - source_model: allenai/tulu-2-dpo-7b
    positive_prompts:
      - "Here is a funny joke for you -"
      - "When considering the ethical implications of artificial intelligence, one must take into account"
      - "In strategic planning, a company must analyze its strengths and weaknesses, which involves"
      - "Understanding consumer behavior in marketing requires considering factors like"
      - "The debate on climate change solutions hinges on arguments that"
    negative_prompts:
      - "In discussing dietary adjustments for managing hypertension, it's crucial to emphasize"
      - "For early detection of melanoma, dermatologists recommend that patients regularly check their skin for"
      - "Explaining the importance of vaccination, a healthcare professional should highlight"

💻 Usage

!pip install -qU transformers bitsandbytes accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Technoculture/Mediquad-tulu-20B"

tokenizer = AutoTokenizer.from_pretrained(model)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    model_kwargs={"torch_dtype": torch.float16, "load_in_4bit": True},
)

messages = [{"role": "user", "content": "Explain what a Mixture of Experts is in less than 100 words."}]
prompt = pipeline.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
b9b38d1

0 моделей