DeepSeek-R1-Medical-COTオープンソース医学思考連鎖推論モデル - 多量版がさまざまなハードウェアのニーズに対応

ホーム

Deepseek R1 Medical COT GGUF

tensorblockによって開発

DeepSeek-R1-Medical-COTは医療分野に特化した連鎖思考推論モデルで、さまざまなハードウェア要件に対応する複数の量子化バージョンを提供します。

大規模言語モデル英語オープンソースライセンス:Apache-2.0 #医療推論 #量子化モデル #連鎖思考

ダウンロード数 180

リリース時間 : 3/6/2025

モデル概要

このモデルは医療分野の推論とQ&Aタスクに最適化されており、連鎖思考(Chain-of-Thought)推論をサポートし、複雑な医療問題の理解を助けます。

モデル特徴

医療分野最適化

医療コンテンツと推論に特化して訓練・最適化されています

複数量子化バージョン

Q2_KからQ8_0までの12種類の量子化バージョンを提供し、様々なハードウェアと性能要件に対応します

連鎖思考推論

Chain-of-Thought推論方式をサポートし、複雑な医療問題の理解に役立ちます

バランス推奨

明確な量子化バージョンの推奨(Q4_K_M、Q5_K_S、Q5_K_M)を提供します

モデル能力

医療Q&A

医療知識推論

連鎖思考生成

医療テキスト理解

使用事例

医療支援

医療問題解答

患者や医学生からの医療関連質問に回答します

正確で信頼性の高い医療情報を提供します

医療推論支援

医師の診断推論と意思決定支援を助けます

可能性のある診断思路と参考情報を提供します

医学教育

医学生学習支援

医学生が複雑な医学概念を理解するのを助けます

段階的な説明と思考プロセスの展示を提供します

🚀 emredeveloper/DeepSeek-R1-Medical-COT - GGUF

このリポジトリには、emredeveloper/DeepSeek-R1-Medical-COT のGGUF形式のモデルファイルが含まれています。

これらのファイルは、TensorBlock が提供するマシンを使用して量子化されており、コミット b4823 以降のllama.cppと互換性があります。

フィードバックとサポート: TensorBlockの Twitter/X、Telegramグループおよび Discordサーバー

✨ 主な機能

当社のプロジェクト

プロジェクト	説明
Awesome MCP Servers	Model Context Protocol (MCP) サーバーの包括的なコレクションです。
TensorBlock Studio	軽量で、オープンかつ拡張可能なマルチLLMインタラクションスタジオです。

Awesome MCP Servers	TensorBlock Studio

Model Context Protocol (MCP) サーバーの包括的なコレクション。	軽量で、オープンかつ拡張可能なマルチLLMインタラクションスタジオ。
👀 私たちの成果を見る 👀	👀 私たちの成果を見る 👀

プロンプトテンプレート

<｜begin▁of▁sentence｜>{system_prompt}<｜User｜>{prompt}<｜Assistant｜>

モデルファイルの仕様

ファイル名	量子化タイプ	ファイルサイズ	説明
DeepSeek-R1-Medical-COT-Q2_K.gguf	Q2_K	3.179 GB	最も小さいが、品質が大幅に低下する。ほとんどの目的には推奨されない。
DeepSeek-R1-Medical-COT-Q3_K_S.gguf	Q3_K_S	3.665 GB	非常に小さいが、品質が大きく低下する。
DeepSeek-R1-Medical-COT-Q3_K_M.gguf	Q3_K_M	4.019 GB	非常に小さいが、品質が大きく低下する。
DeepSeek-R1-Medical-COT-Q3_K_L.gguf	Q3_K_L	4.322 GB	小さいが、品質が大幅に低下する。
DeepSeek-R1-Medical-COT-Q4_0.gguf	Q4_0	4.661 GB	レガシー。小さいが、品質が非常に大きく低下する。Q3_K_Mを使用することを推奨。
DeepSeek-R1-Medical-COT-Q4_K_S.gguf	Q4_K_S	4.693 GB	小さいが、品質の低下が大きい。
DeepSeek-R1-Medical-COT-Q4_K_M.gguf	Q4_K_M	4.921 GB	中程度で、品質がバランスが良い。推奨。
DeepSeek-R1-Medical-COT-Q5_0.gguf	Q5_0	5.599 GB	レガシー。中程度で、品質がバランスが良い。Q4_K_Mを使用することを推奨。
DeepSeek-R1-Medical-COT-Q5_K_S.gguf	Q5_K_S	5.599 GB	大きいが、品質の低下が少ない。推奨。
DeepSeek-R1-Medical-COT-Q5_K_M.gguf	Q5_K_M	5.733 GB	大きいが、品質の低下が非常に少ない。推奨。
DeepSeek-R1-Medical-COT-Q6_K.gguf	Q6_K	6.596 GB	非常に大きいが、品質の低下が極めて少ない。
DeepSeek-R1-Medical-COT-Q8_0.gguf	Q8_0	8.541 GB	非常に大きいが、品質の低下が極めて少ない。推奨されない。

📦 インストール

コマンドライン

まず、Huggingface Clientをインストールします。

pip install -U "huggingface_hub[cli]"

次に、個々のモデルファイルをローカルディレクトリにダウンロードします。

huggingface-cli download tensorblock/DeepSeek-R1-Medical-COT-GGUF --include "DeepSeek-R1-Medical-COT-Q2_K.gguf" --local-dir MY_LOCAL_DIR

パターンを指定して複数のモデルファイルをダウンロードする場合（例：*Q4_K*gguf）は、以下のコマンドを試してみてください。

huggingface-cli download tensorblock/DeepSeek-R1-Medical-COT-GGUF --local-dir MY_LOCAL_DIR --local-dir-use-symlinks False --include='*Q4_K*gguf'

📄 ライセンス

このモデルは、Apache 2.0ライセンスの下で提供されています。

おすすめAIモデル

Llama 3 Typhoon V1.5x 8b Instruct

タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化

Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。

Roberta Base Chinese Extractive Qa

RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。

質問応答システム中国語

uer

2,694

未来を切り開く、あなたのAIソリューション知識ベース

English 简体中文繁體中文にほんご