Med-PaLM 2
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Google Research,DeepMind
- Tipo de Organización
- Industry,Industry
- País
- United States of America, United Kingdom of Great Britain and Northern Ireland
- Publicado
- 16 May 2023
- Autores
- 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…
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Medicine, Language
- Tarea
- Question answering
- Modelo base
- PaLM 2
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 340B
- Datos de entrenamiento
- 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
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- 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."
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Towards Expert-Level Medical Question Answering with Large Language Models
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
Med-PaLM 2 fue publicado por Google Research,DeepMind, en el país registrado como United States of America, durante May 2023. La categoría en la que se encuentra el editor es industry,Industry.
Funciona en el dominio de Medicine, Language, y se registra como realizando la tarea de question answering.
En lugar de ser entrenado desde cero, se deriva de PaLM 2. Esa es la forma habitual en que se produce un modelo especializado.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Cómo fue entrenado
Fue entrenado en un corpus de aproximadamente 16,020,450 tokens de texto
Su criterio de inclusión: sOTA improvement.
Respuestas
Med-PaLM 2 — preguntas comunes
Med-PaLM 2— ¿Quién lo creó?
Fue publicado por Google Research,DeepMind, basado en United States of America, una organización categorizada como industry,Industry.
Med-PaLM 2— ¿cuándo fue lanzado?
Se publicó en May 2023. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
Med-PaLM 2— ¿Para qué se utiliza?
Funciona en el dominio de Medicine, Language, y se registra como manejando la tarea de question answering. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Med-PaLM 2— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Med-PaLM 2— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Med-PaLM 2— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 340B. from PaLM 2. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.