/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
OpenRAIL
Архитектура
bert · dense
Опубликована
4 ноя 2022

Med-KEBERT

ЭмбеддингиТекст → embedding3 профессии

Med-KEBERT — англоязычный BERT-энкодер для извлечения признаков из биомедицинских текстов и использования в медицинских ML-системах.

874скачиваний за 30 дней1лайквеса обновлены4 ноя 2022

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 «Эмбеддинги» — 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

Med-KEBERT — англоязычная биомедицинская модель семейства BERT, опубликованная пользователем xmcmic на Hugging Face. Она предназначена для извлечения признаков из медицинских текстов и может использоваться как текстовый энкодер в последующих моделях машинного обучения.

Модель имеет архитектуру BertModel, содержит около 136,7 млн параметров и поддерживает контекст до 512 токенов. В карточке указаны английский язык, библиотека Transformers и задача feature-extraction; модель также применялась как knowledge encoder при обучении систем для анализа рентгенологических изображений грудной клетки.

Сильной стороной является специализация на биомедицинской лексике и пригодность для построения эмбеддингов, классификаторов и мультимодальных медицинских систем. Модель не является генеративной и не предназначена для самостоятельной постановки диагнозов или выдачи клинических рекомендаций. Распространяется по лицензии OpenRAIL.

Сценарии применения

  • извлечение эмбеддингов из медицинских текстов
  • классификация биомедицинских документов
  • кодирование медицинских терминов и сущностей
  • построение мультимодальных систем для рентгенологии
  • поиск семантически близких медицинских текстов

Ограничения

Модель работает с английским текстом и имеет максимальный контекст 512 токенов. Она предназначена для извлечения признаков, а не для генерации текста или самостоятельных клинических решений.

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

Автор не опубликовал карточку модели.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
3e877eb

0 моделей