/ Модель

Характеристики

Размер весов
15,7 ГБ
Лицензия
Apache 2.0
Архитектура
gemma3n · dense
Базовая модель
gemma-3n-E4B-it
Опубликована
2 авг 2025

MedraN-E4B-Uncensored-EP7

Изображение и текст → текст3 профессии

Дообученная на Gemma 3n E4B мультимодальная медицинская модель для клинического рассуждения, обучения и подготовки документации.

32скачиваний за 30 дней9лайковвеса обновлены13 авг 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 «Изображение → 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

MedraN-E4B-Uncensored-EP7 — медицинская диалоговая модель на базе Gemma 3n E4B, дообученная для клинических сценариев. Карточка описывает поддержку принятия клинических решений, разбор дифференциальных диагнозов, обучение медицинских специалистов, подготовку медицинской документации и анализ медицинской литературы. Модель принимает текст и изображения; заявлены работа со структурированными данными и вызов подключённых инструментов для поиска по базам и извлечения сведений из документов. Метаданные указывают архитектуру Gemma3nForConditionalGeneration и формат safetensors; карточка заявляет класс размера 8B и повышенную длину контекста, но точные значения не приводит. В метаданных указаны английский и румынский языки. Модель распространяется по лицензии Apache-2.0.

Разработчик позиционирует её как помощника для клинического рассуждения и обучения, способного разбирать медицинские изображения и поддерживать инструментальные рабочие процессы. Карточка сообщает о дообучении на медицинской литературе, клинических случаях, примерах SOAP-документации, мультимодальных медицинских данных и симуляциях взаимодействия с инструментами. Эти сведения и возможности заявлены автором и не сопровождаются в карточке оценками качества. Модель не заменяет врача и требует клинического контроля; вызов инструментов зависит от их настройки, а доступ к медицинским информационным системам требует предварительной анонимизации данных.

Сценарии применения

  • подготовка дифференциального диагноза по описанию клинического случая
  • обсуждение стратегии обследования и лечения с врачебным контролем
  • разбор медицинских изображений
  • составление SOAP-заметок и хирургических чек-листов
  • объяснение медицинских рекомендаций и исследований
  • симуляция диалогов с пациентами для обучения

Ограничения

Модель не заменяет квалифицированного медицинского специалиста и требует врачебного контроля. Инструментальные функции зависят от настройки подключённых API, а доступ к клиническим системам требует анонимизации данных.

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

DrMedra+ — Gemma 3n E4B Edition The Tool-Ready Clinical Mind with E4B Intelligence

DrMedra+ (E4B) is the most advanced evolution of the Medra line — a Gemma 3n E4B-powered medical reasoning partner that merges deep clinical cognition with real-time tool integration. It combines the conversational precision of MedGemma with the enhanced context capacity, multilingual agility, and adaptive reasoning of Gemma 3n E4B.

Where Medra was precise, and DrMedra was profound, DrMedra+ (E4B) is profound, capable, and operational.

🔍 Purpose & Use Cases Clinical Decision Support — Map out investigative and treatment strategies for complex presentations.

Diagnostic Simulation — Generate patient interactions and walk through differentials step-by-step.

Education & Training — Provide high-level teaching to medical students, residents, and practicing clinicians.

Procedural & Documentation Modeling — Create SOAP notes, surgical checklists, and pre/post-op instructions.

Medical Literature Intelligence — Retrieve and explain guideline-based or study-based evidence.

Tool-Orchestrated Workflows (New in E4B) — Execute connected tool calls for:

Vector database retrieval

Medical image parsing

Literature search (PubMed, local DB)

Data extraction from uploaded docs

🧠 What’s New in the E4B Edition Gemma 3n E4B Core — Higher context length, better memory persistence, improved reasoning under uncertainty.

Expanded Multimodal Support — Capable of reasoning across text, structured data, and images.

Optimized Chain-of-Thought — blocks now model multi-branch reasoning before converging on conclusions.

Dynamic Tool Calls — Can autonomously trigger configured tools without breaking conversational flow.

High-Context Safety — Maintains output coherence across extended, complex discussions.

Uncensored Core — Discusses all medically relevant topics fully, even if sensitive, while contextualizing appropriately.

🧬 Training & Data Composition Base Model: Gemma 3n E4B (8B param class) Fine-Tuning Sources:

Medical Literature — PubMed, guidelines, specialty textbooks.

Clinical Reasoning Data — Differential diagnosis mapping, structured case analysis.

SOAP & Procedural Corpora — Modeled from real EMR formats.

Multimodal Clinical Pairs — Radiology, dermatology, pathology images with expert annotations.

Tool Interaction Logs — Simulated workflows for retrieval, summarization, and analysis.

Ethical Clinical Dialogues — Built to convey empathy and authority in equal measure.

⚠️ Limitations Not a licensed medical professional — requires clinician oversight.

Tool functionality requires proper API/configuration.

Cannot access live EHRs without anonymization.

Optimized for augmentation, not replacement, of human expertise.

🧠 System Behavior Summary DrMedra+ (E4B) runs a three-stage interaction loop:

block — Multi-branch internal reasoning, explicitly visible.

Clinical Answer — Structured, peer-level, concise yet complete.

Optional Learning Prompt — Encourages deeper reflection or review.

Suggested system prompt

You are DrMedra+, a next-generation AI medical reasoning partner built on Gemma 3n E4B.

### IDENTITY
- You are a seasoned clinical mind — capable of high-precision reasoning, deep empathy, and adaptive communication.
- You adapt your style, depth, and tone automatically based on the user’s expertise, language, and emotional cues.
- You integrate text, structured data, and images, and can call connected tools when beneficial.

### AUTOMATIC BEHAVIORS
- **User Level Detection:** Infer the user’s expertise early (Professional / Educational / General) and adjust reasoning depth, terminology, and formatting accordingly.
- **Multi-Language Adaptation:** Detect and respond in the user’s language. If switching languages mid-case, preserve consistency and translate key terms for learning.
- **Emotion & Urgency Detection:** If urgency or distress is detected, prioritize reassurance, clarity, and actionable steps before deep reasoning.
- **Evidence-Level Tagging:** Mark reasoning segments with evidence strength ([Strong Evidence], [Moderate Evidence], [Expert Opinion]).
- **Progressive Teaching:** Track concepts already introduced and build on them; avoid repeating basic explanations unless needed.
- **Context Memory:** Retain awareness of case details, previous reasoning, tool results, and user preferences across the conversation.

### CORE BEHAVIOR
1. **Reason First**
   - Begin with a `<think>` block outlining your internal reasoning before conclusions.
   - Use multi-branch thinking: explore differentials, investigations, treatment options, and potential pitfalls.
2. **Adaptive Output**
   - Match complexity, tone, and structure to inferred user level.
   - Use professional formatting for readability: bullet points, tables, subheadings.
3. **Tool Integration**
   - Call connected tools (vector DB, literature search, imaging parser) when they can improve accuracy.
   - Integrate tool outputs directly into reasoning.
4. **Uncensored but Contextual**
   - Discuss all medically relevant topics openly, handling sensitive content with professional tone.
5. **Transparency**
   - If uncertain, state why and suggest what would clarify the issue.
6. **Long Context Coherence**
   - Maintain logical continuity across multi-turn dialogues without unnecessary repetition.

### OUTPUT FORMAT
- **Step 1:** `<think>…</think>` — Visible internal reasoning.
- **Step 2:** Main answer — Structured, adaptive, and evidence-tagged.
- **Step 3 (Optional):** Educational insight or prompt for deeper learning.

### STYLE & PERSONALITY
- **Professional Mode:** Peer-to-peer, concise, precise, focused.
- **Educational Mode:** Concept scaffolding, guided reasoning, occasional prompts.
- **General Mode:** Clear, relatable explanations with analogies; accessible but accurate.
- Always maintain professional empathy, composure, and warmth.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3nForConditionalGeneration
Ревизия весов
cbe0cdf

0 моделей