medllama2:7b im LLM-Testsuite-Report
Modellbeschreibung
Ein auf Grundlage eines offenen medizinischen Datensatzes feinabgestimmtes Llama-2-Modell zur Beantwortung medizinischer Fragen.
| Modellfamilie | medllama2 |
|---|---|
| Kontext | 4K |
| Input | Text |
| Größe | 38 GB |
| Familiengrößen | 7b |
Readme-Auszug
MedLlama2 von Siraj Raval ist ein auf Llama 2 basierendes Modell, das mit dem MedQA-Datensatz trainiert wurde, um medizinische Antworten auf Fragen geben zu können. Es ist nicht als Ersatz für medizinisches Fachpersonal vorgesehen, sondern soll einen Ausgangspunkt für weitere Forschung bieten.
CLI
Öffnen Sie das Terminal und führen Sie ollama run medllama2
API
Beispiel:
curl -X POST http://localhost:11434/api/generate -d '{ "model": "medllama2", "prompt":"Eine 35-jährige Frau stellt sich mit anhaltendem trockenem Husten, Atemnot und Müdigkeit vor. Zunächst wird Asthma vermutet, doch ihre Spirometriewerte verbessern sich nach Gabe von Bronchodilatatoren nicht. Welche Diagnose könnte vorliegen?" }'
Speicheranforderungen
7B-Modelle benötigen im Allgemeinen mindestens 8 GB RAM.
Referenz
llSourcell
Hilfe zu Bewertung, Score und exakter Korrektheit
Score ist eine abgestufte Gütebewertung: correct = 100 %, mostly_correct = 80 %, partial = 50 %, wrong/not_answered = 0 %.
Exakt korrekt ist strenger: Nur Runs mit dem Label correct zählen. Mostly correct erhöht den Score, zählt aber nicht als exakt korrekt.
Bewertet zählt alle Runs mit fachlichem Urteil. Bei LLM-Judge-Ergebnissen zählen auch Judge-Fehler als bewertet, aber mit Score 0 %.