/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
CC BY-NC-ND 4.0
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B
Опубликована
24 апр 2024

JSL-MedLlama-3-8B-v1.0

Генерация текстаТекст → текст3 профессии

Дообученная на медицинских данных модель Llama для генерации текста и ответов на медицинские вопросы.

29скачиваний за 30 дней6лайковвеса обновлены24 апр 2024

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

JSL-MedLlama-3-8B-v1.0 — медицинская языковая модель, разработанная John Snow Labs путём дообучения Meta-Llama-3-8B. Она предназначена для генерации текста и ответов на медицинские вопросы; карточка приводит результаты оценки на MedMCQA и других задачах группы STEM. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов; для хранения используются веса Safetensors.

Модель подходит для медицинских текстовых сценариев, например подготовки ответов на вопросы и поддержки исследовательских оценок. В приведённой оценке точность на MedMCQA составляет 0,5563. Карточка не описывает языковой охват и конкретные ограничения клинического применения. Лицензия CC-BY-NC-ND 4.0; для коммерческого использования John Snow Labs предлагает обратиться за отдельной лицензией.

Сценарии применения

  • ответы на медицинские вопросы в текстовом формате
  • проверка знаний по медицинским тестам MedMCQA
  • генерация медицинских текстовых ответов для исследовательских оценок

Ограничения

Оценка на MedMCQA показывает точность 0,5563, поэтому ответы могут быть ошибочными и требуют проверки. Коммерческое использование ограничено условиями CC-BY-NC-ND 4.0 и требует отдельного согласования с разработчиком.

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

JSL-MedLlama-3-8B-v1.0

This model is developed by John Snow Labs.

This model is available under a CC-BY-NC-ND license and must also conform to this Acceptable Use Policy. If you need to license this model for commercial use, please contact us at info@johnsnowlabs.com.

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "johnsnowlabs/JSL-MedLlama-3-8B-v1.0"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

🏆 Evaluation

TasksVersionFiltern-shotMetricValueStderr
stemN/Anone0acc0.6217±0.0057
none0acc_norm0.5847±0.0066
- medmcqaYamlnone0acc0.5563±0.0077
none0acc_norm0.5563±0.0077
- medqa_4optionsYamlnone0acc0.6779±0.0131
none0acc_norm0.6779±0.0131
- anatomy (mmlu)0none0acc0.6963±0.0397
- clinical_knowledge (mmlu)0none0acc0.7509±0.0266
- college_biology (mmlu)0none0acc0.7986±0.0335
- college_medicine (mmlu)0none0acc0.6590±0.0361
- medical_genetics (mmlu)0none0acc0.8500±0.0359
- professional_medicine (mmlu)0none0acc0.7868±0.0249
- pubmedqa1none0acc0.7380±0.0197
GroupsVersionFiltern-shotMetricValueStderr
stemN/Anone0acc0.6217±0.0057
none0acc_norm0.5847±0.0066

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
5d4fbc2

0 моделей