/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
5,6 ГБ
Лицензия
ms-pl
Архитектура
phi-msft · dense
Базовая модель
phi-2
Опубликована
15 дек 2023

phi-2-meditron

Генерация текстаТекст → текст3 профессии

Дообученная на медицинских данных англоязычная модель Phi-2 для генерации ответов и справочной информации по медицине.

36скачиваний за 30 дней8лайковвеса обновлены15 дек 2023

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

phi-2-meditron — дообученная методом SFT языковая модель, созданная Мохамадом Альхаджаром на базе microsoft/phi-2 с использованием набора данных Meditron. Она предназначена для генерации ответов на вопросы и предоставления сведений по медицинским темам на английском языке. Модель использует архитектуру PhiForCausalLM семейства Phi; её контекст ограничен 2048 токенами.

Модель может служить вспомогательным инструментом для поиска ответов на медицинские вопросы и подготовки справочной информации. Она не заменяет профессиональную медицинскую оценку; README не приводит результаты клинической проверки. Распространяется по лицензии MS-PL.

Сценарии применения

  • ответы на общие вопросы о медицине
  • подготовка англоязычных медицинских справок
  • поиск пояснений к медицинским рекомендациям

Ограничения

Контекст ограничен 2048 токенами. README не сообщает о клинической проверке модели, поэтому её ответы не следует считать медицинским заключением.

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

Model Card for Model ID

phi-2-meditron is a finetuned version of epfl-llm/meditron-7b using SFT Training on the Meditron Dataset. This model can answer information about different excplicit ideas in medicine (see epfl-llm/meditron-7b for more info)

Model Description

Prompt Template

### Instruction:

<prompt> (without the <>)

### Response:

How to Get Started with the Model

Use the code sample provided in the original post to interact with the model.

from transformers import AutoTokenizer,AutoModelForCausalLM
 
model_id = "malhajar/phi-2-meditron"
model = AutoModelForCausalLM.from_pretrained(model_name_or_path,
                                             device_map="auto",
                                             torch_dtype=torch.float16,
                                              trust_remote_code= True,
                                             revision="main")

tokenizer = AutoTokenizer.from_pretrained(model_id)

question: "what is tract infection?"
# For generating a response
prompt = '''
### Instruction:
{question} 

### Response:'''
input_ids = tokenizer(prompt, return_tensors="pt").input_ids
output = model.generate(inputs=input_ids,max_new_tokens=512,pad_token_id=tokenizer.eos_token_id,top_k=50, do_sample=True,
        top_p=0.95)
response = tokenizer.decode(output[0])

print(response)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
PhiForCausalLM
Ревизия весов
9562de9

0 моделей