/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
136 млн
Архитектура
bert · dense
Опубликована
4 дек 2022

Ссылки

Hugging Face

ClinicalTrialBioBert

domenicrosati
Заполнение пропусковТекст → текст3 профессии

Модель на базе BioBERT, дообученная на текстах клинических исследований для предсказания скрытых слов в специализированных медицинских текстах.

38скачиваний за 30 дней2лайкавеса обновлены13 дек 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

ClinicalTrialBioBERT — языковая модель на основе BioBERT, дообученная domenicrosati на текстах клинических исследований. Она предназначена для работы с формулировками и терминологией клинических испытаний; задача модели — предсказывать скрытые токены в тексте (fill-mask), что подходит, например, для подстановки пропущенных слов и анализа контекста в специализированных фрагментах. Модель содержит 135,5 млн параметров, использует архитектуру BERT и принимает текстовые последовательности длиной до 512 токенов.

Модель обучалась 500 тысяч шагов на наборе Clinical Trial Texts Dataset. Данные не описывают отдельные результаты оценки качества; лицензия в предоставленной информации также не указана.

Сценарии применения

  • Подстановка пропущенных слов в текстах клинических испытаний
  • Анализ контекста терминов в документах клинических исследований
  • Дополнение фрагментов протоколов клинических испытаний
  • Исследовательские эксперименты с языковыми моделями для клинической документации

Ограничения

Описание не приводит результатов оценки качества и не сообщает лицензию модели. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ClinicalTrialBioBERT

This model is a fine-tuned version of dmis-lab/biobert-v1.1 on Clinical Trial Texts Dataset.

Model description

A Clinical Trial Language Model.

Intended uses & limitations

Use when you need domain knowledge from the clinical trial domain.

Training and evaluation data

Trained on 500k steps of Clinical Trial Texts Dataset

Perplexity of BioBERT: Perplexity of ClinicalTrialBioBERT:

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 128
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • training_steps: 500000
  • mixed_precision_training: Native AMP

Training results

10k step training loss: 0.92 500k step training loss: 0.50

Framework versions

  • Transformers 4.20.1
  • Pytorch 1.11.0
  • Datasets 2.7.1
  • Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
9d571ad

0 моделей

    Создать бенчмарк