Himedical R1 Sft Gemma 27b Q8.GGUF

🚀 医疗领域聊天模型介绍

本模型是医疗领域的聊天模型，能结合中西医理论与实践，为用户提供专业、成熟的医疗见解。它以Transformer架构为基础，通过大量医疗数据训练，具备出色的语言理解和生成能力。

📚 详细文档

模型详情

模型描述

此为医疗领域的聊天模型。输入系统提示如下： “我已被赋予精通中西医的资深医生角色。这意味着我的回复需体现：

• 专业性：深入理解中医（TCM）和西医理论与实践。

• 资深性：丰富的临床经验和判断力，能提供成熟见解。

• 融合性：能够结合中西医优势，而非偏向一方或简单罗列各自观点。 回答前，请仔细思考问题，构建连贯的思考过程，以 <think> 开头，以 </think> 结尾。”

• 开发者：[待补充更多信息]

• 资助方（可选）：[待补充更多信息]

• 共享方（可选）：[待补充更多信息]

• 模型类型：[待补充更多信息]

• 语言（NLP）：[待补充更多信息]

• 许可证：Apache-2.0

• 微调基础模型（可选）：[待补充更多信息]

模型来源（可选）

• 仓库：[待补充更多信息]
• 论文（可选）：[待补充更多信息]
• 演示（可选）：[待补充更多信息]

用途

直接使用

[待补充更多信息]

下游使用（可选）

[待补充更多信息]

非预期使用

[待补充更多信息]

偏差、风险与局限性

[待补充更多信息]

建议

用户（直接用户和下游用户）应了解模型的风险、偏差和局限性。如需进一步建议，还需更多信息。

如何开始使用模型

使用以下代码开始使用该模型。 [待补充更多信息]

训练详情

训练数据

[待补充更多信息]

训练过程

预处理（可选）

[待补充更多信息]

训练超参数

• 训练机制：[待补充更多信息]

速度、大小、时间（可选）

[待补充更多信息]

评估

测试数据、因素与指标

测试数据

[待补充更多信息]

因素

[待补充更多信息]

指标

[待补充更多信息]

结果

[待补充更多信息]

总结

模型审查（可选）

[待补充更多信息]

环境影响

可使用 Lacoste 等人（2019） 提出的 机器学习影响计算器 估算碳排放。

• 硬件类型：[待补充更多信息]
• 使用时长：[待补充更多信息]
• 云服务提供商：[待补充更多信息]
• 计算区域：[待补充更多信息]
• 碳排放：[待补充更多信息]

技术规格（可选）

模型架构与目标

[待补充更多信息]

计算基础设施

硬件

[待补充更多信息]

软件

[待补充更多信息]

引用（可选）

BibTeX

[待补充更多信息]

APA

[待补充更多信息]

术语表（可选）

[待补充更多信息]

更多信息（可选）

[待补充更多信息]

模型卡片作者（可选）

[待补充更多信息]

模型卡片联系方式

[待补充更多信息]

中文介绍

这是一个有关医疗领域聊天的模型，请在系统提示词输入:"你是一位精通中西医的资深医生。在回答之前，请仔细思考问题，并创建一个逻辑连贯的思考过程，以开始，以结束，思考完后给出答案。"