Lingshu-7B

מה זה

הבסיס כאן הוא חידוד של מודל קוון לתחום הרפואה, עם תמיכה ביותר מ־12 סוגי דימות שונים כמו סיטי, רנטגן, פט ומיקרוסקופיה. הוא לא רק עונה על שאלות אמריקאיות מטקסט רפואי, אלא מתוכנן לפענח תמונה יחד עם הטקסט שלצידה ולהפיק תיאור ממצאים מלא.

במבחני VQA רפואיים מול מודלים פתוחים מתחת לעשרה מיליארד פרמטרים, הוא רושם ממוצע של 61.8 נקודות, כשהמתחרה הקרוב אליו מגיע ל־57.3. במשימות יצירת דוחות רנטגן על מאגרים כמו MIMIC-CXR ו־IU-Xray, מדדי הדיוק הלשוני שלו משמעותית גבוהים יותר אפילו מחלק מהמודלים הגדולים בעולם, מה שאומר שהניסוח הקליני שלו מדויק יותר למבנה של דוח אמיתי.

מתאים ל

• טיוטת דוחות דימות

  יצירה ראשונית של תיאור ממצאים לרדיולוג מתוך צילומי רנטגן או סיטי, בזכות ציונים גבוהים במדדי MIMIC-CXR.

• פענוח שאלות מתמונה רפואית

  מענה על שאלות קליניות מרובות ברירה מתוך צילומי עיניים או דרמוסקופיה לצורכי מחקר ולימוד.

• עוזר מחקר לספרות קלינית

  סריקה ומענה על שאלות מטקסטים רפואיים, הודות לחלון הקשר רחב של 128 אלף טוקנים.

איפה זה נופל

למרות ההובלה במבחנים, המודל הזה מתקשה מאוד בשאלות מומחים מורכבות, ובמבחן MedXpertQA הוא עומד על 26.7 נקודות בלבד. הכרטיס מציין במפורש שהפלט עלול להכיל מידע שגוי, מטעה או מזיק, ולכן חובה לבצע בדיקות בטיחות עצמאיות לפני כל שילוב במערכת פעילה. אין כאן שום אישור להחלטות קליניות ללא פיקוח אנושי.

אותה משפחה

Lingshu יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

איך מריצים

אתם טוענים אותו ישירות דרך ספריית הטרנספורמרס, כשהמפתחים ממליצים על גרסה 4.52.1 ועל הפעלת פלאש אטנשן כדי לחסוך זיכרון בזמן ריצה. מכיוון שהמשקלים תופסים כ־15.5 ג'יגה־בייט בדיוק המקורי, תצטרכו כרטיס מסך בודד עם 24 ג'יגה זיכרון כדי להריץ הסקת מסקנות בצורה נוחה בלי קוונטיזציה.

אם יש לכם צורך בדיוק מקסימלי ויש לכם שרת עם כמה כרטיסים, קיימת גם גרסת 32B שעוקפת מודלים קנייניים מובילים ברוב המבחנים. שירותי ענן מסחריים מומלצים רק אם אתם לא יכולים להחזיק כרטיס ייעודי מקומית, אבל ברפואה שמירה על המידע בתוך השרת שלכם היא לרוב השיקול המכריע.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="lingshu-medical-mllm/Lingshu-7B")
print(pipe("שלום"))

הקבצים

21 קבצים במאגר, 15.5 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model-00002-of-00004.safetensors5.0 GB
• model-00001-of-00004.safetensors5.0 GB
• model-00003-of-00004.safetensors4.9 GB
• model-00004-of-00004.safetensors1.7 GB
• tokenizer.json11.4 MB
• vocab.json2.8 MB
• example.png1.8 MB
• merges.txt1.7 MB
• lingshu_overview_rev.png1.3 MB
• lingshu_logo.png1.0 MB
• model.safetensors.index.json57.6 KB
• zero_to_fp32.py29.2 KB
• README.md26.9 KB
• tokenizer_config.json5.8 KB
• .gitattributes1.7 KB
• config.json1.5 KB
• chat_template.json1.0 KB
• special_tokens_map.json613 B
• added_tokens.json605 B
• preprocessor_config.json575 B
• generation_config.json244 B

הרישיון

רישיון MIT מאפשר שימוש חופשי כמעט לחלוטין, כולל שינוי הקוד, שילוב במוצרים מסחריים ומכירה שלהם. התנאי היחיד הוא שמירת הודעת זכויות היוצרים והסרת האחריות של המפתחים המקוריים בכל עותק שתפיצו.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא בעמוד המודל ↗