/ Модель

Характеристики

Контекст
8 192 токена
Лицензия
Apache 2.0
Архитектура
idefics3 · dense
Базовая модель
SmolVLM-256M-Instruct
Библиотека
transformers
Опубликована
18 июн 2026

doctoria-rally-ai

Изображение и текст → текст3 профессии

Дообученная медицинская vision-language модель для ответов на вопросы по изображениям и поддержки ухода за ранами в клиниках с ограниченным подключением.

18скачиваний за 30 дней0лайковвеса обновлены18 июн 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 «Изображение → 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

doctoria/doctoria-rally-ai — медицинская vision-language модель, созданная Jad Tounsi El Azzouzi для проекта SahhaAI. Она предназначена для офлайн-ответов на вопросы по медицинским изображениям и поддержки ухода за ранами в клиниках Марокко с ограниченным подключением; данные могут оставаться на устройстве при запуске в браузере через WebGPU или локально.

Модель дообучена методом LoRA на базе HuggingFaceTB/SmolVLM-256M-Instruct с использованием VQA-RAD. Архитектура — Idefics3 для генерации текста по изображению и текстовому запросу. Карточка указывает английский язык. На тесте VQA-RAD заявлены точность 0,439 для вопросов с закрытым ответом и token-F1 0,228 для открытых ответов.

Модель предназначена для поддержки медицинского персонала, а не для постановки диагноза. Результаты бенчмарка указывают на ограниченное качество ответов, поэтому их следует проверять специалисту. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на медицинские вопросы по изображениям
  • поддержка оценки ран в офлайн-клинике
  • вопросы и ответы по рентгеновским снимкам из набора VQA-RAD
  • локальный запуск медицинского визуального помощника в браузере

Ограничения

На тесте VQA-RAD заявлены точность 0,439 для закрытых вопросов и token-F1 0,228 для открытых ответов; качество может быть ограниченным. Модель предназначена для поддержки принятия решений, а не для диагностики, и требует участия медицинского работника.

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

doctoria-rally-ai 🩺

Fine-tuned medical Vision-Language Model for SahhaAI — offline, private wound-care & medical VQA for disconnected clinics in Morocco.

  • Base: HuggingFaceTB/SmolVLM-256M-Instruct (SmolVLM)
  • Method: LoRA fine-tune (PyTorch + PEFT, trained locally on Apple Silicon / MPS)
  • Data: VQA-RAD (radiology VQA, CC0)
  • Runs: in-browser (WebGPU via transformers.js) and locally — data stays on device

Benchmark (VQA-RAD test)

  • Closed-ended accuracy: 0.439
  • Open-ended token-F1: 0.228
  • Speed: 19.0 tok/s on Apple Silicon (MPS)
  • See repo finetune/BENCHMARK.md for base-vs-fine-tuned analysis.

Use

from transformers import AutoProcessor, AutoModelForImageTextToText
from PIL import Image
m = AutoModelForImageTextToText.from_pretrained("doctoria/doctoria-rally-ai")
p = AutoProcessor.from_pretrained("doctoria/doctoria-rally-ai")
msgs = [{"role":"user","content":[{"type":"image"},{"type":"text","text":"Assess this wound."}]}]
text = p.apply_chat_template(msgs, add_generation_prompt=True)
inp = p(text=text, images=[[Image.open("wound.jpg")]], return_tensors="pt")
print(p.batch_decode(m.generate(**inp, max_new_tokens=128), skip_special_tokens=True)[0])

⚠ Decision support, not a diagnosis. A trained health worker stays in the loop.

— Author: Jad Tounsi El Azzouzi · part of SahhaAI · Apache-2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Idefics3ForConditionalGeneration
Ревизия весов
3de8fce

0 моделей