/ Модель

Характеристики

Контекст
512 токенов
Параметры
434 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bge-large-en-v1.5
Опубликована
20 окт 2024

MedEmbed-large-v0.1

ЭмбеддингиТекст → embedding3 профессии

Англоязычная BERT-модель эмбеддингов для семантического поиска и извлечения информации из медицинских и клинических текстов.

45 991скачиваний за 30 дней41лайквеса обновлены7 июн 2025

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 «Эмбеддинги» — 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

MedEmbed-large-v0.1 — англоязычная модель эмбеддингов для медицинских и клинических текстов, созданная дообучением BAAI/bge-large-en-v1.5. Она использует плотную архитектуру BERT и предназначена для поиска информации, семантического поиска и подбора релевантных ответов в медицинских системах, исследовательских инструментах и базах медицинской литературы. Размер модели — 433,9 млн параметров, контекст — до 512 токенов; модель принимает текст и выдаёт эмбеддинги для задач извлечения признаков и сравнения предложений.

Для контрастивного обучения использовались триплеты «запрос, релевантный ответ, нерелевантный ответ», созданные на основе клинических заметок из PubMed Central с помощью синтетической генерации и сложных отрицательных примеров. В README заявлено превосходство над универсальными эмбеддингами на медицинских и поисковых бенчмарках ArguAna, MedicalQARetrieval, NFCorpus, PublicHealthQA и TRECCOVID, но конкретные метрики в карточке не приведены.

Модель специализируется на медицинских и клинических текстах и может хуже работать в других областях. Её следует использовать как вспомогательный инструмент, а не для самостоятельных медицинских решений. Лицензия — Apache-2.0.

Сценарии применения

  • семантический поиск по медицинской литературе
  • поиск релевантных ответов на медицинские вопросы
  • извлечение клинических документов по текстовому запросу
  • поиск по базам данных здравоохранения
  • ранжирование медицинских текстов по релевантности

Ограничения

Может хуже обобщаться на немедицинские области; конкретные показатели качества в README не приведены. Не следует использовать модель как замену экспертной медицинской оценке.

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

MedEmbed: Specialized Embedding Model for Medical and Clinical Information Retrieval

benchmark-scores

Model Description

MedEmbed is a family of embedding models fine-tuned specifically for medical and clinical data, designed to enhance performance in healthcare-related natural language processing (NLP) tasks, particularly information retrieval.

GitHub Repo: https://github.com/abhinand5/MedEmbed

Technical Blog Post: https://huggingface.co/blog/abhinand/medembed-finetuned-embedding-models-for-medical-ir

Intended Use

This model is intended for use in medical and clinical contexts to improve information retrieval, question answering, and semantic search tasks. It can be integrated into healthcare systems, research tools, and medical literature databases to enhance search capabilities and information access.

Training Data

synthetic-datagen-flow

The model was trained using a simple yet effective synthetic data generation pipeline:

  1. Source: Clinical notes from PubMed Central (PMC)
  2. Processing: LLaMA 3.1 70B model used to generate query-response pairs
  3. Augmentation: Negative sampling for challenging examples
  4. Format: Triplets (query, positive response, negative response) for contrastive learning

Performance

MedEmbed consistently outperforms general-purpose embedding models across various medical NLP benchmarks:

  • ArguAna
  • MedicalQARetrieval
  • NFCorpus
  • PublicHealthQA
  • TRECCOVID

Specific performance metrics (nDCG, MAP, Recall, Precision, MRR) are available in the full documentation.

Limitations

While highly effective for medical and clinical data, this model may not generalize well to non-medical domains. It should be used with caution in general-purpose NLP tasks.

Ethical Considerations

Users should be aware of potential biases in medical data and the ethical implications of AI in healthcare. This model should be used as a tool to assist, not replace, human expertise in medical decision-making.

Citation

If you use this model in your research, please cite:

@software{balachandran2024medembed,
  author = {Balachandran, Abhinand},
  title = {MedEmbed: Medical-Focused Embedding Models},
  year = {2024},
  url = {https://github.com/abhinand5/MedEmbed}
}

For more detailed information, visit our GitHub repository.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
963121b

0 моделей