/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
3 мая 2024

JSL-MedMX-7X

Генерация текстаТекст → текст3 профессии

Производная модели johnsnowlabs/JSL-MedMX-7X. Медицинская диалоговая модель John Snow Labs на базе Mistral для генерации ответов на биомедицинские вопросы на английском языке.

19скачиваний за 30 дней0лайковвеса обновлены3 мая 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.

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

Карточка модели vkocaman/JSL-MedMX-7X на Hugging Face совпадает с карточкой johnsnowlabs/JSL-MedMX-7X, поэтому описание составлено по ней.

JSL-MedMX-7X — медицинская разговорная языковая модель, разработанная John Snow Labs. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; для неё заявлено окно контекста до 32 768 токенов. Карточка приводит результаты оценки на биомедицинских тестах, включая MedMCQA.

Модель предназначена для ответов на медицинские вопросы и помощи в работе с биомедицинской информацией на английском языке. Веса опубликованы в формате safetensors. Лицензия в метаданных указана как Apache 2.0, однако README задаёт условия CC-BY-NC-ND и Acceptable Use Policy, а для коммерческого лицензирования предлагает связаться с разработчиком; перед использованием следует уточнить применимые условия у John Snow Labs.

Сценарии применения

  • ответы на вопросы по биомедицине
  • помощь в решении тестов по медицинским дисциплинам
  • диалоговый поиск сведений о здоровье и медицине

Ограничения

Результаты на бенчмарках не гарантируют клиническую точность; модель не следует использовать как замену профессиональной медицинской консультации. README и метаданные указывают разные лицензии, поэтому условия использования нужно сверить с разработчиком.

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

JSL-MedMX-7X

This model is developed by John Snow Labs. Performance on biomedical benchmarks: Open Medical LLM Leaderboard.

This model is available under a CC-BY-NC-ND license and must also conform to this Acceptable Use Policy. If you need to license this model for commercial use, please contact us at info@johnsnowlabs.com.

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "johnsnowlabs/JSL-MedMX-7X"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

🏆 Evaluation

TasksVersionFiltern-shotMetricValueStderr
stemN/Anone0acc_norm0.5783±0.0067
none0acc0.6177±0.0057
- medmcqaYamlnone0acc0.5668±0.0077
none0acc_norm0.5668±0.0077
- medqa_4optionsYamlnone0acc0.6159±0.0136
none0acc_norm0.6159±0.0136
- anatomy (mmlu)0none0acc0.7111±0.0392
- clinical_knowledge (mmlu)0none0acc0.7396±0.0270
- college_biology (mmlu)0none0acc0.7778±0.0348
- college_medicine (mmlu)0none0acc0.6647±0.0360
- medical_genetics (mmlu)0none0acc0.7200±0.0451
- professional_medicine (mmlu)0none0acc0.7868±0.0249
- pubmedqa1none0acc0.7840±0.0184

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
1cc9353

0 моделей