/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
8,5 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-2B-Thinking
Опубликована
14 июн 2026

MadriMed-VL-2B-enc

Изображение и текст → текст

Компактная медицинская визуально-языковая модель для анализа медицинских изображений, ответов на клинические вопросы и помощи с радиологическими описаниями.

3скачиваний за 30 дней0лайковвеса обновлены9 июл 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

MadriMed-VL-2B-enc — компактная медицинская модель «текст—изображение—текст» на 2 млрд параметров, разработанная MadriSight на базе Qwen/Qwen3-VL-2B-Thinking. Она предназначена для понимания медицинских изображений, помощи при составлении радиологических описаний, ответов на визуальные клинические вопросы и рассуждений по медицинскому тексту. Модель поддерживает диалоговый режим и зрение; в метаданных указаны английский язык и обучение на наборе mint-medmax/medmax_data.

В карточке заявлена Dynamic LoRA Scaling — калибровка, призванная уменьшить чрезмерное влияние адаптера, сохранив знания, полученные при дообучении, и повысить надёжность ответов. Для инференса рекомендуется BF16; обучение и калибровка проводились с этой точностью для воспроизводимости, в том числе на PyTorch MPS. Модель предназначена для поддержки анализа, а не для самостоятельной постановки диагноза. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

Сценарии применения

  • ответы на вопросы по медицинским изображениям
  • помощь в составлении радиологических описаний
  • визуальный анализ медицинских снимков
  • рассуждения по медицинскому тексту

Ограничения

Для инференса рекомендуется BF16. Ответы могут содержать ошибки или галлюцинации; модель не следует использовать как единственное основание для медицинской диагностики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MadriMed-VL-2B-enc

A 2B-parameter medical vision-language model, trained for medical image understanding, radiology report assistance, clinical visual question answering, and medical text reasoning.

This release introduces Dynamic LoRA Scaling, a lightweight calibration technique that reduces adapter dominance while preserving the medical knowledge learned during fine-tuning. The objective is to improve reliability, reduce hallucinations, and mitigate common diagnostic confusion patterns observed in earlier releases of madrisight/MadriMed-VL-2B.

Important: Use bfloat16 for Inference

This model was trained and calibrated using bfloat16 (BF16) precision for best performance and reproducibility on Pytorch MPS )

🚀 Quick Start

Installation

pip install transformers torch Pillow

Example image

MM-1-a

Run the model directly

import torch
import re
from transformers import AutoProcessor, Qwen3VLForConditionalGeneration
from PIL import Image

BASE_MODEL_ID = "madrisight/MadriMed-VL-2B-enc"

model = Qwen3VLForConditionalGeneration.from_pretrained(
    BASE_MODEL_ID,
    device_map="cuda",
    trust_remote_code=True,
)

model.eval()

processor = AutoProcessor.from_pretrained(BASE_MODEL_ID, trust_remote_code=True)

def load_direct_image(path: str) -> Image.Image:
    with Image.open(path) as raw:
        img = raw.convert("RGB")
        return img


# 5. Formulate the Query
prompt = """Choose the correct option for the question

Question: 
Examine the mammogram image shown above. Which of the following findings is most evident?

Options
A. Well-circumscribed round mass with benign features
B. Clustered microcalcifications within an area of irregular density
C. Fat-containing lesion consistent with lipoma
D. Diffuse bilateral breast edema
"""

img = load_direct_image("/content/MM-1-a.png")


messages = [
    {
        "role": "system",
        "content": "You are an expert medical AI. You must deeply analyze the question and provide the final answer."
    },
    {
        "role": "user",
        "content": [
            {"type": "image"},
            {"type": "text", "text": prompt}
        ]
    }
]
stop_token_id = processor.tokenizer.convert_tokens_to_ids("<|im_end|>")

with torch.inference_mode():

    text = processor.apply_chat_template(

        messages,
        tokenize=False,
        add_generation_prompt=True
    )

    inputs = processor(
        text=text,
        images=[img],
        return_tensors="pt",
    ).to("cuda")

    generated_ids = model.generate(
        **inputs,
        max_new_tokens=1024,      # tight control (prevents drift)
        do_sample=False,        # deterministic output
        pad_token_id=processor.tokenizer.pad_token_id,
        eos_token_id=stop_token_id
    )

    output_text = processor.batch_decode(
        generated_ids[:, inputs.input_ids.shape[1]:],
        skip_special_tokens=True
    )[0]


print(output_text.strip())

So, let's analyze the mammogram. The image shows a breast with some irregularities.
Looking at the options: A is about a well-circumscribed round mass, but the image doesn't show a clear mass.
B mentions clustered microcalcifications in an irregular density area. In mammograms, microcalcifications are often seen as small white spots, and irregular density might be a pattern.
C is a fat-containing lesion like a lipoma, but the image doesn't show fat density.
D is bilateral breast edema, which isn't visible here.
So B seems to fit because microcalcifications are a key finding in mammograms, especially when clustered.
</think>

B. Clustered microcalcifications within an area of irregular density

🔬 Technical Details

Training Configuration

ParameterValue
Base modelQwen/Qwen3-VL-2B-Thinking
Training datamedmax
Fine-tuning typeLora SFT + GPRO
Precisionbfloat16
HardwareSingle Mac Mini (M4 Pro) with TrlMPS (https://github.com/krrish-v/trlmps)

🙏 Acknowledgments


📄 Citation

If you use this model in research, please cite:

@software{madrimedvl2b,
  title = {MadriMed-VL-2B: A Compact Multimodal Medical Vision-Language Model},
  author = {Madrisight},
  year = {2026},
  url = {https://huggingface.co/madrisight/MadriMed-VL-2B}
}

Disclaimer: This model is provided for research and educational purposes only. It is not FDA-approved, not clinically validated, and must not be used for patient care without expert human oversight. The authors assume no liability for clinical use.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
855f72c

0 моделей