/ Модель

Характеристики

Контекст
512 токенов
Параметры
435 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
gbert-base
Опубликована
10 апр 2024

GBERT-BioM-Translation-large

Заполнение пропусковТекст → текст3 профессии

Немецкоязычная BERT-модель, продолженно обученная на медицинских текстах для предсказания пропущенных слов и адаптации к задачам понимания медицинских текстов.

311скачиваний за 30 дней0лайковвеса обновлены10 апр 2024

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

GBERT-BioM-Translation-large — немецкоязычная модель BERT, разработанная как продолженное предварительное обучение медицинским текстам на основе deepset/gbert-large. Она предназначена для понимания немецких медицинских текстов; благодаря задаче fill-mask предсказывает слова, скрытые в контексте, и может служить основой для адаптации к профильным задачам. Обучающие данные включают немецкие аннотации PubMed, переведённые английские аннотации PubMed и переведённые отчёты MIMIC-III.

Модель имеет архитектуру BERT с головой masked language modeling, содержит 434,5 млн параметров и поддерживает контекст до 512 токенов. В README приведены результаты базовой и крупной версий GBERT на медицинских наборах CLEF eHealth 2019, RadQA, GraSCCo, BRONCO150 и GGPONC 2.0; это не отдельные результаты данной модели. Опубликована под лицензией MIT.

Сценарии применения

  • предсказание скрытых слов в немецких медицинских документах
  • адаптация BERT к пониманию немецких медицинских текстов
  • подготовка языковой основы для медицинских NLP-задач на немецком языке

Ограничения

Контекст ограничен 512 токенами. Приведённые в README результаты относятся к GBERT-base и GBERT-large, поэтому их нельзя считать оценкой этой модели.

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

GBERT-BioM-Translation-large

This model is a medically continuously pre-trained version of deepset/gbert-large.

Training data

The model was trained on German PubMed abstracts, translated English PubMed abstracts, and translated MIMIC-III reports.

DatasetTokensDocuments
German PubMed5M16K
PubMed1,700M21M
MIMIC-III695M24M
Total2,400M45M

Evaluation

ModelCLEF eHealth 2019RadQAGraSCCoBRONCO150GGPONC 2.0
F1PRF1EMF1PRF1PRF1PR
GBERT-base.816.818.815.794.707.642.617.676.833.818.849.770.761.780
GBERT-large.832.802.865.809.718.647.617.680.835.820.852.772.758.786
GBERT-BioM-Translation-base.825.851.801.808.716.661.642.681.842.824.861.780.766.794
GBERT-BioM-Translation-large.833.860.807.811.714.692.677.707.844.825.864.786.779.793

Publication

@misc{idrissiyaghir2024comprehensive,
      title={Comprehensive Study on German Language Models for Clinical and Biomedical Text Understanding}, 
      author={Ahmad Idrissi-Yaghir and Amin Dada and Henning Schäfer and Kamyar Arzideh and Giulia Baldini and Jan Trienes and Max Hasin and Jeanette Bewersdorff and Cynthia S. Schmidt and Marie Bauer and Kaleb E. Smith and Jiang Bian and Yonghui Wu and Jörg Schlötterer and Torsten Zesch and Peter A. Horn and Christin Seifert and Felix Nensa and Jens Kleesiek and Christoph M. Friedrich},
      year={2024},
      eprint={2404.05694},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
a844753

0 моделей