Himedical R1 Sft Gemma 27b Q8.GGUF

🚀 モデルIDのモデルカード

このモデルカードは、新しいモデルの基本テンプレートとなることを目指しています。この生テンプレートを使用して生成されました。

📚 モデルの詳細

モデルの説明

これは医療分野のチャットモデルです。 入力するシステムヒントは「あなたは、漢方医学と西洋医学の両方に精通した上級医師の役割を担っています。これは、あなたの回答が以下の点を反映する必要があることを意味します。

• 専門性：漢方医学（TCM）と西洋医学の理論と実践の両方を深く理解していること。

• 熟練度：豊富な臨床経験と判断力を持ち、成熟した洞察を提供できること。

• 統合性：漢方医学と西洋医学の長所を組み合わせる能力があり、一方に偏ったり、単にそれぞれのポイントを列挙したりしないこと。 回答する前に、問題を慎重に考え、で始まり、で終わる一貫した思考プロセスを作成してください。」

• 開発者：[詳細情報が必要]

• 資金提供元（オプション）：[詳細情報が必要]

• 共有者（オプション）：[詳細情報が必要]

• モデルの種類：[詳細情報が必要]

• 言語（NLP）：[詳細情報が必要]

• ライセンス：[詳細情報が必要]

• ファインチューニング元のモデル（オプション）：[詳細情報が必要]

モデルのソース（オプション）

• リポジトリ：[詳細情報が必要]
• 論文（オプション）：[詳細情報が必要]
• デモ（オプション）：[詳細情報が必要]

🛠️ 使用方法

直接使用

[詳細情報が必要]

下流の使用（オプション）

[詳細情報が必要]

想定外の使用

[詳細情報が必要]

⚠️ バイアス、リスク、制限事項

推奨事項

ユーザー（直接ユーザーと下流ユーザーの両方）は、このモデルのリスク、バイアス、制限事項を認識する必要があります。さらなる推奨事項については、詳細情報が必要です。

🚀 モデルの使い始め方

以下のコードを使用して、モデルを使い始めましょう。 [詳細情報が必要]

📈 学習の詳細

学習データ

[詳細情報が必要]

学習手順

前処理（オプション）

[詳細情報が必要]

学習ハイパーパラメータ

• 学習方式：[詳細情報が必要]

速度、サイズ、時間（オプション）

[詳細情報が必要]

🧪 評価

テストデータ、要因、指標

テストデータ

[詳細情報が必要]

要因

[詳細情報が必要]

指標

[詳細情報が必要]

結果

[詳細情報が必要]

概要

[詳細情報が必要]

🌱 モデルの検証（オプション）

[詳細情報が必要]

🌍 環境への影響

炭素排出量は、Lacoste et al. (2019)で提示されたMachine Learning Impact calculatorを使用して推定できます。

• ハードウェアの種類：[詳細情報が必要]
• 使用時間：[詳細情報が必要]
• クラウドプロバイダー：[詳細情報が必要]
• コンピュートリージョン：[詳細情報が必要]
• 排出された炭素量：[詳細情報が必要]

📋 技術仕様（オプション）

モデルアーキテクチャと目的

[詳細情報が必要]

コンピュートインフラストラクチャ

ハードウェア

[詳細情報が必要]

ソフトウェア

[詳細情報が必要]

📖 引用（オプション）

BibTeX： [詳細情報が必要]

APA： [詳細情報が必要]

📘 用語集（オプション）

[詳細情報が必要]

📋 追加情報（オプション）

[詳細情報が必要]

📝 モデルカード作成者（オプション）

[詳細情報が必要]

📞 モデルカードの問い合わせ先

[詳細情報が必要]

🇨🇳 中文介绍

これは、医療分野のチャットモデルです。システムのプロンプトには、「あなたは、漢方医学と西洋医学の両方に精通した上級医師です。回答する前に、問題を慎重に考え、で始まり、で終わる一貫した思考プロセスを作成し、思考後に回答を与えてください。」と入力してください。