/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,4 млрд
Размер весов
6,8 ГБ
Лицензия
Apache 2.0
Архитектура
granitemoehybrid · dense
Базовая модель
granite-4.0-micro
Библиотека
transformers
Опубликована
6 окт 2025

granite-4.0-micro-OpenMed

Генерация текстаТекст → текст3 профессии

Дообученная на медицинских вопросах Granite 4.0 Micro для учебных медицинских ответов и следования инструкциям.

34скачиваний за 30 дней7лайковвеса обновлены7 окт 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

OpenMed Community разработала Granite 4.0 Micro OpenMed — дообученную и объединённую с исходной IBM Granite 4.0 Micro компактную инструкционную языковую модель с архитектурой GraniteMoeHybridForCausalLM и 3,4 млрд параметров. Модель предназначена для медицинского образования и следования инструкциям; она принимает текст и генерирует текст. Контекстное окно составляет до 131 072 токенов.

Модель обучали на задачах MedMCQA-Hard с помощью JEPA-LLM SFT и GRPO, добавляя данные для следования инструкциям и затем сливая результат с базовой моделью через Arcee Fusion. Она подходит для разбора медицинских понятий, учебных вопросов в формате экзамена и исследовательских демонстраций, в том числе с инструментами. В карточке указаны улучшения на тестах MMLU и IFEval относительно базовой модели, но они умеренные.

Модель распространяется по лицензии Apache-2.0. Она может ошибаться и не предназначена для постановки диагнозов, назначения лечения или автономных клинических решений; ответы в медицинских сценариях требуют проверки специалистом. Для актуальных рекомендаций карточка советует использовать поиск по источникам.

Сценарии применения

  • ответы на учебные вопросы по медицине в формате экзамена
  • повторение медицинских понятий
  • подготовка учебных диалогов по медицине
  • исследовательские эксперименты с медицинским ассистентом
  • демонстрации медицинских сценариев с вызовом инструментов

Ограничения

Модель может галлюцинировать и не предназначена для диагностики, лечения, назначения препаратов или автономных клинических решений. Для актуальных медицинских рекомендаций необходимы проверка специалистом и поиск по надёжным источникам.

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

openmed-community/granite-4.0-micro-OpenMed

Granite 4.0 Micro (≈3B) tuned for medical education & instruction following.
Recipe: JEPA-LLM SFT on medmcqa-hard + personas augmentation → GRPO on medmcqa-hard; finalized with Arcee Fusion merge back into the IBM base.

⚠️ Medical safety
This model is not a clinician and may hallucinate. Do not use for diagnosis or treatment. Use under qualified medical supervision only.


TL;DR

  • Base: ibm-granite/granite-4.0-micro — 3B long-context instruct model (Apache-2.0). Includes a structured chat template and tool-calling examples.
  • Training (high-level):
    1. JEPA-LLM SFT (400 steps, bs=64) on mkurman/medmcqa-hard plus instruction-following personas from allenai/tulu-3-sft-personas-instruction-following.
    2. GRPO (group-relative PPO) on mkurman/medmcqa-hard, bs 64/128, 8 generations per item (critic-free RL optimizing verifiable correctness).
    3. Model merge: Arcee MergeKit with merge_method: arcee_fusion to preserve base calibration while keeping domain gains.
  • Infra: Trained/evaluated on AMD Instinct MI300X via Hot AISLE credits — thanks!

What’s inside

1) JEPA-LLM stage (supervised)

  • JEPA-LLM objective, see repo: mkurman/jepa-llm, used as an auxiliary signal during SFT to bias toward stable, representation-level learning rather than pure next-token fitting; run for 400 steps on MedMCQA-hard with Personas augmentation from Tulu-3 personas (adds constraint-following behaviors and improves coverage of IFEval-style requirements).

2) GRPO stage (reinforcement learning)

  • GRPO replaces the critic with group baselines, enabling efficient multi-sample training; we generate 8 candidates per item and reward answer correctness / format checks.

3) Merge & finalize

  • Arcee Fusion in MergeKit to selectively fuse with the original Granite 4.0 Micro (avoids over-averaging from naive merges and tends to keep base calibration).

Intended use & limitations

Intended: medical research, concept review, exam-style Q&A, instruction-following research, and tool-augmented demos.
Out of scope: autonomous clinical decisions, prescription generation, or guideline updates without retrieval/RAG.


Results

Metricgranite-4.0-micro-OpenMedgranite-4.0-micro
mmlu63.1762.48
leaderboard_mmlu_pro33.0632.78
leaderboard_ifevalgranite-4.0-micro-OpenMedgranite-4.0-micro
inst_level_loose_acc85.9785.25
inst_level_strict_acc84.0582.97
prompt_level_loose_acc79.6778.74
prompt_level_strict_acc77.4576.16

Author’s harness notes: EleutherAI lm-evaluation-harness with Granite’s chat template and batch size 8.


Quickstart (Transformers)

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "openmed-community/granite-4.0-micro-OpenMed"
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."},
  {"role": "user", "content": "Cellulitis vs erysipelas: give 3 bullet differences and 1 caution."}
]
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))

Tool-calling: Granite’s card includes function-calling examples;


Reproduce key evals (example)

# Classic MMLU (5-shot typical)
lm_eval --model hf \
  --model_args pretrained=openmed-community/granite-4.0-micro-OpenMed,parallelize=True \
  --tasks mmlu --batch_size 8 --apply-chat-template

# MMLU-Pro (10-choice, harder)
lm_eval --model hf \
  --model_args pretrained=openmed-community/granite-4.0-micro-OpenMed,parallelize=True \
  --tasks leaderboard_mmlu_pro --batch_size 8 --apply-chat-template

# IFEVAL (verifiable instruction following)
lm_eval --model hf \
  --model_args pretrained=openmed-community/granite-4.0-micro-OpenMed,parallelize=True \
  --tasks leaderboard_ifeval --batch_size 8 --apply-chat-template

Data & training notes

  • MedMCQA-Hard (train split) for domain supervision and RL rewards;.
  • Tulu-3 personas for instruction-following with constraint taxonomy inspired by IFEVAL.
  • JEPA-LLM: based on the emerging LLM-JEPA objective (representation-space training). See the paper for context and motivation.
  • GRPO: efficient for multi-sample training.
  • Privacy: no PHI to the best of our knowledge; please report issues.

Commentary on results

Why gains are modest: Granite-4.0-Micro is already a well-calibrated, strongly aligned 3B instruct model with robust instruction-following and tool-use out of the box. In that regime, headroom on popular benchmarks is limited, and naive tuning often degrades base behaviors (calibration, safety, IF). The combination used here—JEPA-LLM (to stabilize representations), personas SFT (to preserve IF constraints), GRPO with verifiable rewards, and Arcee Fusion—appears to nudge the model to measurable improvements without sacrificing base calibration, but the effect sizes remain small, which is consistent with Granite’s strong baseline. In short: we’re operating near the model’s alignment ceiling; targeted gains are possible, sweeping jumps are unlikely without larger capacity or richer supervision.


Acknowledgments

  • IBM Granite team for the base model & docs (Apache-2.0).
  • AllenAI Tulu-3 for personas datasets.
  • Arcee for MergeKit and Arcee Fusion.
  • Hot Aisle for MI300X credits :heart:, link: https://hotaisle.xyz/.

Citation

  • IBM Granite 4.0 Micro model card 1.
  • MedMCQA-Hard 2.
  • Tulu-3 personas dataset 3.
  • LLM-JEPA paper 4 and our implementation repository 5.
  • MergeKit & Arcee Fusion 6.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GraniteMoeHybridForCausalLM
Ревизия весов
9c49010

0 моделей