/ Модель
Каталог

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Архитектура
llama · dense
Библиотека
transformers
Опубликована
21 сен 2024

Ссылки

Hugging FacearXiv 2311.03099arXiv 2306.01708

llama2_biomed_meditron

ssktora
Генерация текстаТекст → текст3 профессии

Объединённая модель Llama 2 с компонентами Meditron и BioMedGPT-LM для генерации текста, в том числе по биомедицинской тематике.

11скачиваний за 30 дней0лайковвеса обновлены21 сен 2024

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.

Открыть конструктор бенчмарка

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

ssktora/llama2_biomed_meditron — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом DARE TIES. В основе слияния лежит Llama 2 7B; также объединены модели Meditron 7B и BioMedGPT-LM-7B. Модель содержит около 6,6 млрд параметров, использует формат safetensors и рассчитана на контекст до 4096 токенов.

Модель предназначена для генерации текста; медицинские компоненты в составе слияния указывают на сценарии работы с биомедицинскими текстами, например подготовку ответов и формулировок по медицинской тематике. README не приводит результаты оценки качества, конкретные инструкции по использованию или подтверждённый перечень поддерживаемых языков. Лицензия в предоставленных данных не указана.

Сценарии применения

  • черновые ответы на вопросы по медицинским текстам
  • подготовка кратких пояснений к биомедицинским материалам
  • генерация черновиков медицинских формулировок
  • обобщение предоставленных биомедицинских сведений

Ограничения

README не содержит оценок качества или подробных рекомендаций по применению; ответы в медицинской тематике требуют проверки специалистом. Лицензия не указана в предоставленных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделейIV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельIV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

final_merge_medical2

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the DARE TIES merge method using ./evol_merge_storage_medical2/input_models/Llama-2-7b-hf_1207016536 as a base.

Models Merged

The following models were included in the merge:

  • ./evol_merge_storage_medical2/input_models/meditron-7b_535713315
  • ./evol_merge_storage_medical2/input_models/BioMedGPT-LM-7B_1321966785

Configuration

The following YAML configuration was used to produce this model:

base_model: ./evol_merge_storage_medical2/input_models/Llama-2-7b-hf_1207016536
dtype: bfloat16
merge_method: dare_ties
parameters:
  int8_mask: 1.0
  normalize: 1.0
slices:
- sources:
  - layer_range: [0, 4]
    model: ./evol_merge_storage_medical2/input_models/BioMedGPT-LM-7B_1321966785
    parameters:
      density: 1.0
      weight: 0.17884011663118993
  - layer_range: [0, 4]
    model: ./evol_merge_storage_medical2/input_models/Llama-2-7b-hf_1207016536
    parameters:
      density: 0.8890748672494518
      weight: 0.8456004469240137
  - layer_range: [0, 4]
    model: ./evol_merge_storage_medical2/input_models/meditron-7b_535713315
    parameters:
      density: 0.8353965535147524
      weight: 0.39636256675038484
- sources:
  - layer_range: [4, 8]
    model: ./evol_merge_storage_medical2/input_models/BioMedGPT-LM-7B_1321966785
    parameters:
      density: 1.0
      weight: 1.020532319785238
  - layer_range: [4, 8]
    model: ./evol_merge_storage_medical2/input_models/Llama-2-7b-hf_1207016536
    parameters:
      density: 1.0
      weight: 0.40553667157598416
  - layer_range: [4, 8]
    model: ./evol_merge_storage_medical2/input_models/meditron-7b_535713315
    parameters:
      density: 0.8955950669638045
      weight: 0.1256681933865999
- sources:
  - layer_range: [8, 12]
    model: ./evol_merge_storage_medical2/input_models/BioMedGPT-LM-7B_1321966785
    parameters:
      density: 0.8698472775356287
      weight: 0.712509376634506
  - layer_range: [8, 12]
    model: ./evol_merge_storage_medical2/input_models/Llama-2-7b-hf_1207016536
    parameters:
      density: 1.0
      weight: 0.09302230163177483
  - layer_range: [8, 12]
    model: ./evol_merge_storage_medical2/input_models/meditron-7b_535713315
    parameters:
      density: 1.0
      weight: -0.05614416786806742
- sources:
  - layer_range: [12, 16]
    model: ./evol_merge_storage_medical2/input_models/BioMedGPT-LM-7B_1321966785
    parameters:
      density: 1.0
      weight: 0.39694054142633234
  - layer_range: [12, 16]
    model: ./evol_merge_storage_medical2/input_models/Llama-2-7b-hf_1207016536
    parameters:
      density: 1.0
      weight: 0.2626803763724651
  - layer_range: [12, 16]
    model: ./evol_merge_storage_medical2/input_models/meditron-7b_535713315
    parameters:
      density: 0.9657199816167481
      weight: 0.2153132357599829
- sources:
  - layer_range: [16, 20]
    model: ./evol_merge_storage_medical2/input_models/BioMedGPT-LM-7B_1321966785
    parameters:
      density: 0.8289285693717532
      weight: 0.34481743191831266
  - layer_range: [16, 20]
    model: ./evol_merge_storage_medical2/input_models/Llama-2-7b-hf_1207016536
    parameters:
      density: 0.7115155293484904
      weight: 0.03210636463921337
  - layer_range: [16, 20]
    model: ./evol_merge_storage_medical2/input_models/meditron-7b_535713315
    parameters:
      density: 1.0
      weight: 0.23727760414855137
- sources:
  - layer_range: [20, 24]
    model: ./evol_merge_storage_medical2/input_models/BioMedGPT-LM-7B_1321966785
    parameters:
      density: 0.9992577736634561
      weight: 0.33608731549782594
  - layer_range: [20, 24]
    model: ./evol_merge_storage_medical2/input_models/Llama-2-7b-hf_1207016536
    parameters:
      density: 1.0
      weight: 0.2672857028656318
  - layer_range: [20, 24]
    model: ./evol_merge_storage_medical2/input_models/meditron-7b_535713315
    parameters:
      density: 1.0
      weight: 0.4567325333292645
- sources:
  - layer_range: [24, 28]
    model: ./evol_merge_storage_medical2/input_models/BioMedGPT-LM-7B_1321966785
    parameters:
      density: 1.0
      weight: -0.061310476755757834
  - layer_range: [24, 28]
    model: ./evol_merge_storage_medical2/input_models/Llama-2-7b-hf_1207016536
    parameters:
      density: 1.0
      weight: 0.23902257193439966
  - layer_range: [24, 28]
    model: ./evol_merge_storage_medical2/input_models/meditron-7b_535713315
    parameters:
      density: 0.5322311277242968
      weight: 0.37656791069123563
- sources:
  - layer_range: [28, 32]
    model: ./evol_merge_storage_medical2/input_models/BioMedGPT-LM-7B_1321966785
    parameters:
      density: 1.0
      weight: -0.018284769401157808
  - layer_range: [28, 32]
    model: ./evol_merge_storage_medical2/input_models/Llama-2-7b-hf_1207016536
    parameters:
      density: 1.0
      weight: 0.5831277146552916
  - layer_range: [28, 32]
    model: ./evol_merge_storage_medical2/input_models/meditron-7b_535713315
    parameters:
      density: 0.8437643378550103
      weight: 0.1599917740219515

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
97fd87f

0 моделей

    Создать бенчмарк