/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
25 апр 2024

JSL-MedMX-7X

Генерация текстаТекст → текст3 профессии

Медицинская диалоговая модель John Snow Labs на базе Mistral для генерации ответов на биомедицинские вопросы на английском языке.

21скачиваний за 30 дней1лайквеса обновлены3 мая 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-MedMX-7X — медицинская разговорная языковая модель, разработанная John Snow Labs. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; для неё заявлено окно контекста до 32 768 токенов. Карточка приводит результаты оценки на биомедицинских тестах, включая MedMCQA.

Модель предназначена для ответов на медицинские вопросы и помощи в работе с биомедицинской информацией на английском языке. Веса опубликованы в формате safetensors. Лицензия в метаданных указана как Apache 2.0, однако README задаёт условия CC-BY-NC-ND и Acceptable Use Policy, а для коммерческого лицензирования предлагает связаться с разработчиком; перед использованием следует уточнить применимые условия у John Snow Labs.

Сценарии применения

  • ответы на вопросы по биомедицине
  • помощь в решении тестов по медицинским дисциплинам
  • диалоговый поиск сведений о здоровье и медицине

Ограничения

Результаты на бенчмарках не гарантируют клиническую точность; модель не следует использовать как замену профессиональной медицинской консультации. README и метаданные указывают разные лицензии, поэтому условия использования нужно сверить 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-MedMX-7X

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-MedMX-7X"
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/Anone0acc_norm0.5783±0.0067
none0acc0.6177±0.0057
- medmcqaYamlnone0acc0.5668±0.0077
none0acc_norm0.5668±0.0077
- medqa_4optionsYamlnone0acc0.6159±0.0136
none0acc_norm0.6159±0.0136
- anatomy (mmlu)0none0acc0.7111±0.0392
- clinical_knowledge (mmlu)0none0acc0.7396±0.0270
- college_biology (mmlu)0none0acc0.7778±0.0348
- college_medicine (mmlu)0none0acc0.6647±0.0360
- medical_genetics (mmlu)0none0acc0.7200±0.0451
- professional_medicine (mmlu)0none0acc0.7868±0.0249
- pubmedqa1none0acc0.7840±0.0184

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
8bda519

0 моделей