Clinical Camel
Otwarty kliniczny model językowy 70B
Działa na platformie medycznej AI Dr7.ai
Clinical Camel to otwarty medyczny duży model językowy opracowany przez badaczy z University of Toronto. Powstał przez fine-tuning LLaMA-2 70B z użyciem QLoRA i techniki kodowania wiedzy opartej na dialogu, która zamienia gęste artykuły medyczne w konwersacyjne dane treningowe.
Wypróbuj dialog medyczny w stylu Clinical Camel
Zadawaj pytania kliniczne w naturalnej rozmowie — demo pokazuje rozumowanie medyczne w formie dialogu, do którego trenowano Clinical Camel.
Wypróbuj inne modele
Zobacz wszystkieClinical Camel Demo
Poznaj zaawansowaną medyczną AI
Odblokuj pełny potencjał Clinical Camel
Uzyskaj nieograniczony dialog kliniczny, dłuższe rozmowy i dostęp do API na potrzeby pracy badawczej i edukacyjnej.
Czym jest Clinical Camel?
Clinical Camel to otwartoźródłowy kliniczny duży model językowy udostępniony w 2023 r. przez Augustina Tomę i współpracowników z University of Toronto (Toma et al., "Clinical Camel: An Open Expert-Level Medical Language Model with Dialogue-Based Knowledge Encoding"). Jest to model LLaMA-2 70B dostrojony za pomocą QLoRA.
Jego wyróżnikiem jest Dialogue-Based Knowledge Encoding (DBKE): medyczne artykuły przeglądowe są przepisywane na wieloturowe rozmowy, dzięki czemu model przyswaja wiedzę kliniczną w tej samej konwersacyjnej formie, w jakiej użytkownicy później z nim rozmawiają. Zestaw treningowy obejmuje też dialogi ShareGPT i pytania w stylu MedQA.
W chwili premiery autorzy podali wyniki na egzaminach w stylu USMLE i standardowych benchmarkach medycznego QA porównywalne z GPT-3.5 i lepsze od wcześniejszych otwartych modeli medycznych. Jak każdy badawczy LLM może halucynować, a autorzy przeznaczają go do badań i edukacji, a nie do wdrożeń klinicznych.
Najnowsze informacje
Udostępniony w 2023 r. przez badaczy z University of Toronto (Toma et al.)
Otwarte wagi (obowiązują warunki licencji LLaMA-2); 70B parametrów; fine-tuning QLoRA
Kluczowe funkcje
Konwersacyjna wiedza medyczna w otwartym modelu
Główne możliwości
Wieloturowy dialog kliniczny i wyjaśnienia
Odpowiadanie na pytania w stylu USMLE i przypadki kliniczne
Dialogue-Based Knowledge Encoding medycznych artykułów przeglądowych
Zbudowany na LLaMA-2 70B z efektywnym pod względem parametrów fine-tuningiem QLoRA
Otwarte wagi do zastosowań badawczych i edukacyjnych
Wysokie wyniki wśród otwartych modeli w chwili premiery
Odpowiedni do badań nad edukacją i komunikacją z pacjentami
Przejrzysty proces trenowania i opis danych
Wyniki w benchmarkach
Wyniki podane w publikacji o Clinical Camel dla modelu 70B (niemierzone przez Dr7.ai)
Przykładowy egzamin USMLE
64.3%Oficjalne przykładowe pytania USMLE
PubMedQA
77.9%Odpowiadanie na pytania dotyczące literatury biomedycznej
MedQA
60.7%Pytania wielokrotnego wyboru w stylu USMLE
MedMCQA
54.2%Pytania z indyjskiego egzaminu wstępnego na studia medyczne
Przypadki Użycia
Komunikacja z pacjentem
Prototypowe wyjaśnienia pojęć medycznych prostym językiem (z weryfikacją przez klinicystę).
Szkolenie kliniczne
Symulowane omówienia przypadków dla osób w trakcie szkolenia.
Badania nad wirtualnymi konsultacjami
Badaj konwersacyjny triaż i zbieranie wywiadu z użyciem otwartego modelu.