Med-PaLM 2
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Google Research,DeepMind
- Organisationsart
- Industry,Industry
- Land
- United States of America, United Kingdom of Great Britain and Northern Ireland
- Veröffentlicht
- 16 May 2023
- Autoren
- Karan Singhal, Tao Tu, Juraj Gottweis, Rory Sayres, Ellery Wulczyn, Le Hou, Kevin Clark, Stephen Pfohl, Heather Cole-Lewis, Darlene Neal, Mike Schaekermann, Amy Wang, Mohamed Amin, Sami Lachgar, Philip Mansfield, Sushant Prakash, Bradley Green, Ewa Dominowska, Blaise Aguera y Arcas, Nenad Tomasev, Yun Liu, Renee Wong, Christopher Semturs, S. Sara Mahdavi, Joelle Barral, Dale Webster, Greg S. Corra…
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Medicine, Language
- Aufgabe
- Question answering
- Basis-Modell
- PaLM 2
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 340B
- Trainingsdaten
- 16,020,450 tokens
from PaLM 2
Dataset Count Mixture ratio MedQA 10,178 37.5% MedMCQA 182,822 37.5% LiveQA 10 3.9% MedicationQA 9 3.5% HealthSearchQA 45 17.6% MedMCQA (https://proceedings.mlr.press/v174/pal22a/pal22a.pdf, Table 2) has on average 12.77+ 2.69+67.52 = 82.98 tokens per datapoint
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Training-Code
- Unreleased
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Warum es verfolgt wird
- SOTA improvement
- Aufzeichnungsgenauigkeit
- Likely
https://paperswithcode.com/sota/question-answering-on-medqa-usmle "Med-PaLM 2 scored up to 86.5% on the MedQA dataset, improving upon Med-PaLM by over 19% and setting a new state-of-the-art. We also observed performance approaching or exceeding state-of-the-art across MedMCQA, PubMedQA, and MMLU clinical topics datasets."
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Towards Expert-Level Medical Question Answering with Large Language Models
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Über dieses Modell
Med-PaLM 2 wurde veröffentlicht von Google Research,DeepMind, im Land aufgezeichnet als United States of America, während May 2023. Die Kategorie, in die der Herausgeber fällt, ist industry,Industry.
Es funktioniert im Bereich von Medicine, Language, und wird als die Aufgabe von aufgezeichnet question answering.
Anstatt von Grund auf neu trainiert zu werden, ist es abgeleitet von PaLM 2. Das ist der übliche Weg, wie ein spezialisiertes Modell hergestellt wird.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Wie es trainiert wurde
Es wurde auf einem Korpus von etwa 16,020,450 Text-Tokens
Das Einschlusskriterium: sOTA improvement.
Antworten
Med-PaLM 2 — Häufige Fragen
Med-PaLM 2— Wer hat es erstellt?
Es wurde veröffentlicht von Google Research,DeepMind, basiert auf United States of America, eine als kategorisierte Organisation industry,Industry.
Med-PaLM 2— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in May 2023. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
Med-PaLM 2— Wofür wird es verwendet?
Es funktioniert im Bereich von Medicine, Language, und wird als Bewältigung der Aufgabe von question answering. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.
Med-PaLM 2— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
Med-PaLM 2— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
Med-PaLM 2— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 340B. from PaLM 2. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.