许可证: mit
数据集:

• abneraigc/wiki_medical_terms_llama
  语言:
• en
  基础模型:
• NousResearch/Llama-2-7b-chat-hf
  标签:
• 医疗
• 人工智能
  评估指标:
• 困惑度
• 准确率
• ROUGE
  流水线标签: text2text-generation
  库名称: transformers

模型卡片：Llama-2-7b-chat-finetune

该模型是基于Llama-2-7b微调的版本，专为聊天应用设计，通过医学数据训练，能够回答各类医学相关问题并提供详细的医学知识。

模型详情

模型描述

此模型基于Llama-2-7b微调，用于回答医学相关查询和任务，利用了大规模的医学数据语料库。它适合以对话风格生成基于给定提示的文本。

• 开发者: SURESHBEEKHANI
• 许可证: MIT
• 模型类型: 因果语言模型
• 语言: 英语
• 微调基础模型: Llama-2-7b

模型来源

• 代码库: SURESHBEEKHANI/Llama-2-7b-chat-finetune
• 代码笔记本: 微调Llama-2-7b

使用场景

直接使用

该模型可直接用于生成与医学主题相关的文本回复，旨在通过详细信息辅助回答医学查询。

超出范围的使用

此模型不适合生成非医学领域的答案，也不应用于可能涉及敏感、有害或带有偏见数据的场景。

偏见、风险与限制

模型可能继承训练数据中的偏见，且未必总能提供准确的医学信息。建议将其作为辅助工具使用，关键场景下仍需咨询专业医疗人员。

快速开始

使用以下代码快速启动模型：

from transformers import pipeline, AutoModelForCausalLM, AutoTokenizer  

model_name = "SURESHBEEKHANI/Llama-2-7b-chat-finetune"  
tokenizer = AutoTokenizer.from_pretrained(model_name)  
model = AutoModelForCausalLM.from_pretrained(model_name)  

prompt = "什么是浅表静脉血栓？请详细解释。"  
pipe = pipeline(task="text-generation", model=model, tokenizer=tokenizer, max_length=200)  
result = pipe(f"<s>[INST] {prompt} [/INST]")  
print(result[0]['generated_text'])