/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
13 фев 2025

Qwen2.5_3B-GRPO-medical-reasoning

Генерация текстаТекст → текст3 профессии

Дообученная методом GRPO модель Qwen2.5-3B-Instruct для образовательных рассуждений на медицинские темы на английском языке.

19скачиваний за 30 дней2лайкавеса обновлены23 фев 2025

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

Matthew Chung разработал эту языковую модель на основе Qwen2.5-3B-Instruct, дообучив её методом GRPO для рассуждений на медицинские темы. Это плотная трансформерная модель Qwen2 с 3,1 млрд параметров для генерации текста; она поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский язык.

Модель предназначена для образовательных сценариев: например, для разбора учебных медицинских вопросов и формирования пошаговых объяснений. Она обучалась на наборе FreedomIntelligence/medical-o1-reasoning-SFT с функциями вознаграждения за семантическую корректность и перплексию. Модель может выдавать ошибочную или вводящую в заблуждение медицинскую информацию, а её ответы ограничены охватом и возможными смещениями обучающих данных.

Лицензия — Apache 2.0. Модель не предназначена для постановки диагноза, рекомендаций по лечению или самостоятельного принятия важных медицинских решений; ответы следует проверять с медицинскими специалистами.

Сценарии применения

  • разбор учебных медицинских вопросов
  • объяснение медицинских понятий для обучения
  • формирование рассуждений по медицинским задачам

Ограничения

Модель может выдавать неверную или вводящую в заблуждение медицинскую информацию и не предназначена для диагностики, рекомендаций по лечению или решений с высокими ставками без контроля специалиста.

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

Qwen2.5 3B GRPO Medical Reasoning Model

A fine-tuned version of Qwen2.5 3B Instruct model using Generalized Reinforcement Policy Optimization (GRPO) for medical reasoning tasks. This model is intended for education purposes only and not intended as medical advice.

Model Details

Model Description

This model is a fine-tuned version of Qwen2.5 3B Instruct, optimized for medical reasoning tasks using the Unsloth library and GRPO algorithm. It was trained on the FreedomIntelligence/medical-o1-reasoning-SFT dataset and incorporates custom reward functions for semantic correctness and perplexity.

  • Developed by: Matthew Chung
  • Model type: Transformer-based language model
  • Language(s) (NLP): English
  • License: Apache 2.0
  • Finetuned from model: Qwen/Qwen2.5-3B-Instruct

Model Sources

Uses

Direct Use

This model is intended for education purposes only and not intended as providing medical advice.

Downstream Use

This model is intended for education purposes only and not intended as providing medical advice.

Out-of-Scope Use

Not intended for:

  • Direct medical diagnosis
  • Treatment recommendations
  • High-stakes medical decision making without human oversight

Bias, Risks, and Limitations

  • May generate incorrect or misleading medical information
  • Limited to the scope of the training data
  • Potential biases from the original dataset

Recommendations

  • Always verify outputs with medical professionals
  • Use with caution in clinical settings
  • Monitor for potential biases in responses

How to Get Started with the Model

  • Refer to Github Repository

Training Details

Training Data

  • Dataset: FreedomIntelligence/medical-o1-reasoning-SFT
  • Training Samples: 25,117
  • Validation Samples: 127

Training Procedure

Training Hyperparameters

  • Learning Rate: 5e-6
  • Batch Size: 1
  • Gradient Accumulation Steps: 4
  • Max Sequence Length: 1024
  • LoRA Rank: 64
  • Training Steps: 1000
  • Precision: 4-bit quantization

Speeds, Sizes, Times

  • Training Hardware: NVIDIA RTX 3090 (Runpod)
  • Training Time: ~14 hours
  • Model Size: 3B parameters

Evaluation

Testing Data, Factors & Metrics

Testing Data

Same as training data (FreedomIntelligence/medical-o1-reasoning-SFT)

Metrics

  • Semantic correctness
  • Perplexity
  • Tag presence accuracy

Results

Final training metrics:

  • Loss: 0.001300
  • Semantic Score: 0.630995
  • Perplexity: 266.149998

Environmental Impact

  • Hardware Type: NVIDIA RTX 3090
  • Hours used: ~14
  • Cloud Provider: Runpod
  • Compute Region: US-West
  • Carbon Emitted: Estimated 0.5 kg CO2

Technical Specifications

Model Architecture and Objective

  • Architecture: Transformer-based
  • Objective: Causal language modeling with GRPO optimization

Compute Infrastructure

Hardware

  • NVIDIA RTX 3090 GPU
  • 24GB VRAM

Software

  • Unsloth
  • PyTorch
  • Hugging Face Transformers
  • vLLM

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
b308a4f

0 моделей