Характеристики

Контекст: 131 072 токена
Параметры: 7,5 млрд
Размер весов: 16,1 ГБ
Архитектура: llama · dense
Библиотека: transformers
Опубликована: 15 сен 2026

Ссылки

Hugging Face arXiv 1910.09700

acquisition_student_medmcqa_gradient_sft_llama8b

Генерация текстаТекст → текст3 профессии

Дообученная 7,5-миллиардная Llama-модель для генерации ответов на вопросы, вероятно ориентированная на медицинский датасет MedMCQA.

363скачиваний за 30 дней0лайковвеса обновлены15 сен 2026

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

ishikaa/acquisition_student_medmcqa_gradient_sft_llama8b — текстовая генеративная модель на базе архитектуры Llama с дообучением методом supervised fine-tuning (SFT). Модель опубликована пользователем или организацией ishikaa и содержит около 7,5 млрд параметров; для работы предполагается библиотека Transformers. Название модели указывает на связь с задачей MedMCQA и медицинскими вопросами с вариантами ответа.

Модель предназначена для генерации ответов и диалоговых сценариев, включая формулирование ответов на медицинские вопросы и объяснений к ним. Она поддерживает контекст длиной до 131 072 токенов, что позволяет обрабатывать длинные входные инструкции и документы. В метаданных также отмечены conversational-сценарии и формат safetensors.

README содержит только автоматически сгенерированную карточку и не предоставляет сведений о разработчиках, лицензии, языках обучения, датасете, методике оценки или результатах тестирования. Поэтому модель следует использовать как исследовательский инструмент и обязательно проверять её ответы, особенно в медицинских сценариях.

Сценарии применения

ответы на медицинские вопросы с вариантами ответа
генерация объяснений к ответам на экзаменационные вопросы
исследование медицинских диалоговых моделей
прототипирование ассистента для учебных медицинских задач

Ограничения

README не содержит результатов оценки, описания обучающих данных, сведений о лицензии и подтверждённых языках. Ответы модели могут быть фактически неверными или небезопасными, поэтому их нельзя использовать без проверки специалистом в медицинских сценариях.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

Developed by: [More Information Needed]
Funded by [optional]: [More Information Needed]
Shared by [optional]: [More Information Needed]
Model type: [More Information Needed]
Language(s) (NLP): [More Information Needed]
License: [More Information Needed]
Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

Repository: [More Information Needed]
Paper [optional]: [More Information Needed]
Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

Hardware Type: [More Information Needed]
Hours used: [More Information Needed]
Cloud Provider: [More Information Needed]
Compute Region: [More Information Needed]
Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры: LlamaForCausalLM
Ревизия весов: c0947b0