/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
CC BY-NC-ND 4.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
22 апр 2024

JSL-MedMNX-7B-v2.0

Генерация текстаТекст → текст3 профессии

Медицинская диалоговая модель John Snow Labs на базе Mistral для генерации ответов на биомедицинские и медицинские экзаменационные вопросы.

21скачиваний за 30 дней3лайкавеса обновлены22 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-MedMNX-7B-v2.0 — медицинская языковая модель John Snow Labs на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации ответов в диалоге, включая ответы на медицинские и биомедицинские экзаменационные вопросы; карточка приводит результаты оценки на биомедицинских бенчмарках, в том числе MedMCQA. Модель поддерживает английский язык и контекст до 8192 токенов.

Модель создана слиянием dmis-lab/meerkat-7b-v1.0 и johnsnowlabs/JSL-MedMNX-7B. Доступна по лицензии CC-BY-NC-ND-4.0; для коммерческого использования необходимо согласовать лицензию с John Snow Labs. Приведённые результаты бенчмарков не гарантируют точность ответов в клинической практике.

Сценарии применения

  • Ответы на медицинские экзаменационные вопросы
  • Ответы на биомедицинские вопросы
  • Диалоговые ответы по медицинской тематике

Ограничения

Карточка приводит результаты бенчмарков, но не подтверждает пригодность ответов для клинических решений. Лицензия CC-BY-NC-ND-4.0 ограничивает использование, а для коммерческого применения требуется отдельное согласование.

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-MedMNX-7B-v2.0

This model is developed by John Snow Labs. Performance on biomedical benchmarks: Open Medical LLM Leaderboard.

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-MedMNX-7B-v2.0"
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/Anone0acc0.6085±0.0057
none0acc_norm0.5700±0.0067
- medmcqaYamlnone0acc0.5625±0.0077
none0acc_norm0.5625±0.0077
- medqa_4optionsYamlnone0acc0.5947±0.0138
none0acc_norm0.5947±0.0138
- anatomy (mmlu)0none0acc0.6444±0.0414
- clinical_knowledge (mmlu)0none0acc0.7509±0.0266
- college_biology (mmlu)0none0acc0.7639±0.0355
- college_medicine (mmlu)0none0acc0.6532±0.0363
- medical_genetics (mmlu)0none0acc0.7500±0.0435
- professional_medicine (mmlu)0none0acc0.7537±0.0262
- pubmedqa1none0acc0.7760±0.0187
GroupsVersionFiltern-shotMetricValueStderr
stemN/Anone0acc0.6085±0.0057
none0acc_norm0.5700±0.0067

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
0e32b10

0 моделей