/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
6 млрд
Размер весов
9,2 ГБ
Лицензия
Apache 2.0
Архитектура
arcee · dense
Базовая модель
AFM-4.5B
Библиотека
transformers
Опубликована
27 сен 2025

AFM-4.5B-OpenMed-RL-CoT

Генерация текстаТекст → текст3 профессии

Медицинская текстовая модель на базе Arcee AFM-4.5B для исследовательских вопросов и ответов и экспериментов с поиском внешних источников.

36скачиваний за 30 дней4лайкавеса обновлены28 сен 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

AFM-4.5B-OpenMed-RL-CoT — медицинская дообученная версия Arcee AFM-4.5B от сообщества openmed-community. Модель с плотной архитектурой ArceeForCausalLM прошла SFT, DPO и GRPO для медицинских вопросов и ответов, следования инструкциям и обогащения рассуждений. Для обучения использовались синтетические медицинские данные, предпочтения на основе MedMCQA и проверяемые сигналы MedReason; также применялись примеры вызова поисковых инструментов. Модель рассчитана на текстовый диалог, поддерживает английский язык и контекст до 65 536 токенов.

Модель подходит для исследовательских экспериментов и демонстраций медицинского поиска с привлечением внешних источников. В оценке авторов она превзошла базовую модель по MMLU и MMLU-Pro, но показала более низкий результат IFEVAL; результаты зависят от шаблонов и настроек оценки. Модель может галлюцинировать и не предназначена для диагностики, лечения, назначения препаратов или принятия срочных клинических решений. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на медицинские вопросы в исследовательских экспериментах
  • демонстрация медицинского поиска с подключением внешних источников
  • генерация кратких объяснений к медицинским ответам
  • сравнение медицинских ответов на тестах с вариантами выбора

Ограничения

Модель может галлюцинировать и не предназначена для диагностики, лечения, назначения препаратов или срочных клинических решений. Результаты оценки зависят от используемых промптов, шаблонов и настроек.

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

AFM-4.5B-OpenMed-RL-CoT

Lightweight medical finetune on top of Arcee’s AFM-4.5B for education and research use. Trained using a straightforward 3-step process (SFT → DPO → GRPO-CoT) for optimal CoT enrichment.

More information about our methodology will be available in a forthcoming blog post.

All experiments were performed on AMD MI300x GPUs, with computing credits generously provided by Hot AISLE.

⚠️ Medical safety
This model is not a clinician. It can hallucinate and should not be used for diagnosis or treatment. Always involve qualified medical professionals.


TL;DR

  • Base: arcee-ai/AFM-4.5B – Arcee’s 4.5B instruction model intended for cloud-to-edge deployment.
  • Training (high level):
    1. SFT proprietary synthetic medical datasets + tool-calling (search) traces
    2. DPO using MedMCQA-derived preferences (multiple-choice signal)
    3. GRPO for chain-of-thought enrichment, using MedReason verifiable rewards; short rationales encouraged, final answer checked.
  • Eval (EleutherAI harness; author’s settings, bs=64)
    • MMLU: 61.40 (vs 55.53 base)
    • MMLU-Pro: 33.16 (vs 32.61 base) – harder 10-choice variant.
    • IFEVAL: 59.59 (vs 63.67 base) – verifiable instruction following.

Note: Arcee’s internal evals may use different harnesses; avoid cross-harness comparisons.


What’s inside

Specialization steps

  1. Domain SFT (medical + tools)
    Instruction-style synthetic medical Q&A + conversions; supervised search/tool-use traces to teach function-calling patterns compatible with chat templates.

  2. Preference alignment — DPO
    Uses MedMCQA correctness as a proxy preference signal to bias toward concise, clinically reasonable options.

  3. Reasoning enrichment — GRPO (CoT)
    Group Relative Policy Optimization without a critic; groups of sampled solutions are scored by verifiable rewards (answer correctness + light format checks). Trained with MedReason QA signal.


Intended use & limitations

Intended: Medical SLM's research, tool-augmented retrieval demos.

Out of scope: Unsupervised patient care, generating prescriptions, and time-critical guideline decisions.


Evaluation

Author-run with the EleutherAI lm-evaluation-harness; seeds, prompts, and templates affect absolute scores.

BenchmarkAFM-4.5B-OpenMed-RL-CoTAFM-4.5B (same harness)
MMLU61.4055.53
MMLU-Pro33.1632.61
IFEVAL59.5963.67
  • MMLU-Pro increases difficulty (10 options; more reasoning-heavy); small deltas are still meaningful.
  • IFEVAL checks verifiable constraints (length, keyword counts, format, etc.).
mmluAFM-4.5B-OpenMed-RL-CoTAFM-4.5B
other
clinical_knowledge69.4365.66
college_medicine63.5854.34
professional_medicine62.8759.56
virology49.4048.19
stem
anatomy62.9656.30
college_biology78.4765.97
college_chemistry42.0037.00
high_school_biology79.6871.29
high_school_chemistry53.6943.84
groups
humanities56.2050.46
other69.1063.47
social sciences74.1368.61
stem49.1642.53

Reproduce (example commands)

# MMLU classic
lm_eval --model hf \
  --model_args pretrained=openmed-community/AFM-4.5B-OpenMed-RL-CoT,parallelize=True,dtype=bfloat16,trust_remote_code=True \
  --task mmlu \
  --batch_size=64 \
  --apply_chat_template \
  --output_path=results \
  --fewshot_as_multiturn 


# MMLU-Pro (10-choice)
lm_eval --model hf \
  --model_args pretrained=openmed-community/AFM-4.5B-OpenMed-RL-CoT,parallelize=True,dtype=bfloat16,trust_remote_code=True \
  --tasks leaderboard_mmlu_pro  \
  --batch_size=64 \
  --apply_chat_template \
  --output_path=results \
  --fewshot_as_multiturn 

# IFEVAL (verifiable instruction following)
lm_eval --model hf \
  --model_args pretrained=openmed-community/AFM-4.5B-OpenMed-RL-CoT,parallelize=True,dtype=bfloat16,trust_remote_code=True \
  --tasks leaderboard_ifeval \
  --batch_size=64 \
  --apply_chat_template \
  --output_path=results \
  --fewshot_as_multiturn


Quickstart (Transformers)

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "openmed-community/AFM-4.5B-OpenMed-RL-CoT"
tok = AutoTokenizer.from_pretrained(model_id, use_fast=True)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.bfloat16, device_map="auto")

messages = [
  {"role": "system", "content": "You are a careful medical assistant. Cite sources and warn this is not medical advice. Think step-by-step."},
  {"role": "user", "content": "Briefly: cellulitis vs erysipelas differences?"}
]
prompt = tok.apply_chat_template(messages, add_generation_prompt=True, tokenize=False)
inputs = tok(prompt, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=256, do_sample=False)
print(tok.decode(out[0], skip_special_tokens=True))

Data & training notes

  • SFT data: Proprietary synthetic medical data + search traces.
  • DPO signal: Preferences derived from MedMCQA multiple-choice correctness.
  • GRPO reward: Answer-checking + format verifiers; MedReason used to shape faithful, short CoT.
  • No known PHI; please open an issue if you spot any.

Compatibility & licenses

  • Base model: AFM-4.5B (Arcee). Refer to the base card/blog for architecture and usage details. License for AFM releases is Apache 2.0;

Additional note

We also provide a merged openmed-community/AFM-4.5B-OpenMed version after step 3 (GRPO). In our harness, it shows worse CoT behavior but a significant gain on IFEVAL.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
ArceeForCausalLM
Ревизия весов
8932375

0 моделей