/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B
Библиотека
transformers
Опубликована
11 сен 2026

Qwen2.5-1.5B-Medical-QLoRA-DPO

Генерация текстаТекст → текст3 профессии

Дообученная на медицинских данных модель Qwen2.5 с 1,5 млрд параметров для генерации ответов и поддержки клинических рассуждений.

156скачиваний за 30 дней0лайковвеса обновлены11 сен 2026

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

Qwen2.5-1.5B-Medical-DPO — медицинская языковая модель Ахмада Наваза на базе Qwen2.5-1.5B от Unsloth. Это плотный трансформер с авторегрессионной архитектурой Qwen2 и 1,5 млрд параметров; репозиторий содержит объединённые веса FP16. Модель дообучена в два этапа: QLoRA на медицинских терминах и клинических карточках, затем выравнивание предпочтений методом DPO. Контекст модели — до 32 768 токенов.

Модель предназначена для генерации медицинских ответов, поддержки клинических рассуждений и справочной работы по симптомам, заболеваниям и диагностике. В качестве обучающих данных указаны Medical Meadow Medical Flashcards и пары предпочтений Intel Orca DPO; README отдельно описывает медицинский этап SFT. Заявленная лицензия — Apache-2.0. Небольшой размер и ограниченные сведения о проверке качества не позволяют считать ответы заменой профессиональной медицинской оценке.

Сценарии применения

  • ответы на вопросы о симптомах и заболеваниях
  • справочная помощь по диагностическим признакам
  • объяснение медицинских терминов
  • подготовка первичных справочных сведений о лечении
  • ответы на вопросы по медицинским карточкам

Ограничения

README не приводит результатов клинической или независимой оценки и описывает меры снижения небезопасных и фактически неверных ответов как цель обучения, а не как гарантию. Ответы требуют проверки квалифицированным специалистом и не заменяют медицинскую диагностику или лечение.

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

Qwen2.5-1.5B-Medical-DPO

An end-to-end domain-adapted and preference-aligned LLM for medical decision support and clinical reasoning.

This repository contains the full 16-bit merged weights of unsloth/Qwen2.5-1.5B, fine-tuned using a 2-stage alignment pipeline:

  1. Stage 1 (Domain SFT): Supervised Fine-Tuning on medical terminology and clinical flashcards via 4-bit QLoRA.
  2. Stage 2 (Preference Alignment): Direct Preference Optimization (DPO) to maximize helpfulness and mitigate unsafe or non-factual outputs.

Model Details

  • Developed by: Ahmad Nawaz`
  • Base Model: unsloth/Qwen2.5-1.5B
  • Model Type: Causal Language Model (Transformer Architecture)
  • Fine-Tuning Method: QLoRA (4-bit quantization using bitsandbytes + PEFT)
  • Alignment Technique: Direct Preference Optimization (DPO)
  • Target Modules: q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj
  • Precision: FP16 (Merged 16-bit floating point weights)

Training Methodology

Stage 1: Supervised Fine-Tuning (SFT)

  • Dataset: medalpaca/medical_meadow_medical_flashcards
  • Purpose: Imbues the base model with medical vocabulary, disease symptomatology, and diagnostic logic.
  • Hyperparameters:
    • Sequence Length: 2048
    • Micro Batch Size: 2 (Gradient Accumulation: 4)
    • Learning Rate: 2e-4
    • Optimizer: adamw_8bit
    • Epochs/Steps: 120 steps

Stage 2: Direct Preference Optimization (DPO)

  • Dataset: Subfiltered argilla/distilabel-intel-orca-dpo-pairs
  • Purpose: Aligns the model's preferred responses over rejected/hallucinated options.
  • Hyperparameters:
    • Beta ($\beta$): 0.1
    • Micro Batch Size: 1 (Gradient Accumulation: 8)
    • Learning Rate: 5e-6
    • Optimizer: adamw_8bit

How to Use

Using transformers

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "ahmadnawaz21/Qwen2.5-1.5B-Medical-DPO"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.float16,
    device_map="auto"
)

messages = [
    {"role": "system", "content": "You are a specialized medical AI assistant."},
    {"role": "user", "content": "What are the primary diagnostic indicators and initial management steps for acute pancreatitis?"}
]

prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")

outputs = model.generate(
    **inputs,
    max_new_tokens=256,
    temperature=0.3,
    top_p=0.9
)

print(tokenizer.decode(outputs[0][inputs['input_ids'].shape[1]:], skip_special_tokens=True))

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
ed8e328

0 моделей