/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
11 мая 2025

Domain-Certification-MedQA-Guide-Finetuned

Генерация текстаТекст → текст3 профессии

Модель GPT-2, дообученная на ответах Llama-3-8B, служит руководством для экспериментов по сертификации LLM в медицинских вопросах и ответах.

195скачиваний за 30 дней3лайкавеса обновлены11 мая 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 «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

cemde/Domain-Certification-MedQA-Guide-Finetuned — модель-руководство для экспериментов по сертификации LLM в предметной области медицинских вопросов и ответов. Она представлена авторами работы ICLR 2025 «Shh, don't say that! Domain Certification in LLMs» и обучена на ответах Llama-3-8B; карточка также указывает PubMedQA как связанный датасет. Метаданные определяют архитектуру как GPT-2 и задачу как генерацию текста; максимальный контекст составляет 1024 токена.

Модель предназначена для воспроизведения исследовательского рабочего процесса сертификации доменной модели с алгоритмом VALID и для экспериментов с медицинскими ответами. Репозиторий распространяется в формате safetensors, использует Transformers и имеет лицензию Apache-2.0. Карточка описывает её как guide-модель, поэтому она подходит прежде всего для экспериментов по сертификации, а не как самостоятельно подтверждённая медицинская система для клинических решений.

Сценарии применения

  • воспроизведение экспериментов по сертификации медицинской LLM
  • генерация ориентировочных ответов на медицинские вопросы в исследовательском процессе
  • оценка доменной сертификации ответов модели на данных PubMedQA

Ограничения

Карточка позиционирует модель как guide-модель для воспроизведения исследовательского процесса сертификации, а не как проверенную клиническую систему; медицинские ответы требуют экспертной проверки. Указанный контекст ограничен 1024 токенами.

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

Shh, don't say that! Domain Certification in LLMs

arXiv arXiv ICLR 2025 Huggingface

Collection: https://huggingface.co/collections/cemde/domain-certification-67ba4fb663f8d1348c3c2263

Certify you Large Language Model (LLM)!

With the code in this repository you can reproduce the workflows we use in our ICLR 2025 paper to achieve Domain Certification using our VALID algorithm.

We provide the guide models for our Medical Question Answering experiments.

ModelDescription
cemde/Domain-Certification-MedQA-Guide-BaseThis is the base model trained on the ground-truth responses.
cemde/Domain-Certification-MedQA-Guide-FinetunedThis is the model trained on responses from Llama-3-8B.

Citation

@inproceedings{
emde2025shh,
title={Shh, don't say that! Domain Certification in {LLM}s},
author={Cornelius Emde and Alasdair Paren and Preetham Arvind and Maxime Guillaume Kayser and Tom Rainforth and Bernard Ghanem and Thomas Lukasiewicz and Philip Torr and Adel Bibi},
booktitle={The Thirteenth International Conference on Learning Representations},
year={2025},
url={https://arxiv.org/abs/2502.19320}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2Model
Ревизия весов
a0afaf4

0 моделей