README.md

---
license: apache-2.0
language:
- en
- zh
tags:
- medical
---
## WiNGPT2

[WiNGPT](https://github.com/winninghealth/WiNGPT2) 是一个基于GPT的医疗垂直领域大模型，旨在将专业的医学知识、医疗信息、数据融会贯通，为医疗行业提供智能化的医疗问答、诊断支持和医学知识等信息服务，提高诊疗效率和医疗服务质量。

## 更新日志

[2024/04/24] 更新 WiNGPT2-Llama-3-8B-Chat-AWQ，WiNGPT2-Llama-3-8B-Chat-GGUF 量化模型

[2024/04/23] 更新 WiNGPT2-Llama-3-8B-Base 和 WiNGPT2-Llama-3-8B-Chat 模型（中文增强/多语言）与测评结果

[2024/04/01] 更新 WiNEval 测评结果

[2024/03/05] 开源7B/14B-Chat-4bit模型权重: [🤗](https://huggingface.co/winninghealth/WiNGPT2-7B-Chat-AWQ)WiNGPT2-7B-Chat-4bit和[🤗](https://huggingface.co/winninghealth/WiNGPT2-14B-Chat-AWQ)WiNGPT2-14B-Chat-4bit。

[2023/12/20] 新增用户微信群二维码，有效期到12月27日，扫码进群。

[2023/12/18] 发布卫宁健康医疗模型测评方案 WiNEval-MCKQuiz的评测结果。

[2023/12/12] 开源 WiNGPT2 14B模型权重: [🤗](https://huggingface.co/winninghealth/WiNGPT2-14B-Base)WiNGPT2-14B-Base 和 [🤗](https://huggingface.co/winninghealth/WiNGPT2-14B-Chat)WiNGPT2-14B-Chat。 

[2023/11/02] [34B模型平台测试](https://wingpt.winning.com.cn/) 和 [欢迎加入微信讨论群](https://github.com/winninghealth/WiNGPT2/blob/main/assets/WiNGPT_GROUP.JPG)

[2023/10/13] 更新一个简单的[Chatbot示例](#部署)，可以进行简单的多轮对话。

[2023/09/26] 开源 WiNGPT2 与7B模型权重: [🤗](https://huggingface.co/winninghealth/WiNGPT2-7B-Base)WiNGPT2-7B-Base 和 [🤗](https://huggingface.co/winninghealth/WiNGPT2-7B-Chat)WiNGPT2-7B-Chat。 

## 如何使用

### 推理

```python
from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = "WiNGPT-Llama-3-8B-Chat"
device = "cuda"

tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(model_path).to(device)
model = model.eval()


text = 'User：WiNGPT, 你好<|end_of_text|>\n Assistant：'
inputs = tokenizer.encode(text, return_tensors="pt").to(device)
outputs = model.generate(inputs, repetition_penalty=1.1, max_new_tokens=1024)
response = tokenizer.decode(outputs[0])
print(response)

## 输出结果：你好！今天我能为你做些什么？<|end_of_text|>
```

### 提示

WiNGPT-Llama-3-8B-Chat 使用了自定义的提示格式：

用户角色：System/User/Assistant

chat_template:

```jinja2
"{% for message in messages %}{% if message['role'] == 'system' %}System：{% endif %}{% if message['role'] == 'user' %}User：{% endif %}{% if message['role'] == 'assistant' %}Assistant：{% endif %}{{ message['content'] }}<|end_of_text|>\n {% endfor %}Assistant："
```

**指令提示**示例：

```
User：WiNGPT, 你好<|end_of_text|>\n Assistant：
```

**多轮对话**示例：

```
User：WiNGPT, 你好<|end_of_text|>\n Assistant：你好！今天我能为你做些什么？<|end_of_text|>\n User：你是谁？<|end_of_text|>\n Assistant：
```

**翻译功能**示例：

```
System：作为医疗领域的智能助手，WiNGPT将提供中英翻译服务。用户输入的中文或英文内容将由WiNGPT进行准确的翻译，以满足用户的语言需求。<|end_of_text|>\n User：Life is short, you know, and time is so swift; Rivers are wide, so wide, and ships sail far.<|end_of_text|>\n Assistant：
```

## 模型卡

####  训练配置与参数

| 名称                    | 训练策略           | 长度 | 精度 | 学习率 | Weight_decay | Epochs | GPUs   |
| ----------------------- | ------------------ | ---- | ---- | ------ | ------------ | ------ | ------ |
| WiNGPT2-Llama-3-8B-Base | 继续预训练 (20G)   | 8192 | bf16 | 5e-5   | 0.05         | 2      | A100*8 |
| WiNGPT2-Llama-3-8B-Chat | 微调/对齐 (50万条) | 8192 | bf16 | 5e-6   | 0.01         | 4      | A100*8 |

| 名称                                | 量化方法 | 精度 | 大小    | 用例                                   |
| ----------------------------------- | -------- | ---- | ------- | -------------------------------------- |
| WiNGPT2-Llama-3-8B-Chat-AWQ         | AWQ      | 4    | 5.33    | medium, balanced quality - recommended |
| WiNGPT2-Llama-3-8B-Chat-Q4_K_M.gguf | Q4_K_M   | 4    | 4.58 GB | medium, balanced quality               |
| WiNGPT2-Llama-3-8B-Chat-Q8_0.gguf   | Q8_0     | 8    | 7.95 GB | minimal quality loss                   |

#### 训练数据

预训练数据约20G，指令微调对齐数据约50万条，[详细内容](https://github.com/winninghealth/WiNGPT2?tab=readme-ov-file#%E8%AE%AD%E7%BB%83%E6%95%B0%E6%8D%AE) 。

## 中文医疗评测 - WiNEval

更新时间：2024-04-23
|                               | Type                   | MCKQuiz | MSceQA |
| ----------------------------- | ---------------------- | ------- | ------ |
| **WiNGPT-Llama-3-8B-Base**    | Continued Pre-training | 66.3    | /      |
| Meta-Llama-3-8B               | Pre-training           | 37      | /      |
|                               |                        |         |        |
| **WiNGPT-Llama-3-8B-Chat**    | Finetuning/Alignment   | 65.2    | 79.8   |
| Meta-Llama-3-8B-Instruct      | Finetuning/Alignment   | 49.8    | 76.3   |
| Meta-Llama-3-70B-Instruct-AWQ | Finetuning/Alignment   | 73.5    | 78.6   |
|                               |                        |         |        |

*MCKQuiz（客观题）：17个科目分类13060选择题；输入问题和选项，让模型输出答案。根据标准答案判断对错，统计准确率。*

*MSceQA（主观题）：由细分领域场景题目构成，包含八大业务场景，17个一级分类和32个二级分类。使用人工/模型对模型的回答进行准确性、相关性、一致性、完整性、权威性评价，并参照标准答案对模型生成的答案进行评分。*

[其他WiNEval评测结果](https://github.com/winninghealth/WiNGPT2?tab=readme-ov-file#2-%E5%8D%AB%E5%AE%81%E5%81%A5%E5%BA%B7%E5%8C%BB%E7%96%97%E6%A8%A1%E5%9E%8B%E6%B5%8B%E8%AF%84%E6%96%B9%E6%A1%88-winevalzero-shot)

### 企业服务

[通过WiNGPT测试平台申请密钥或与我们取得联系](https://wingpt.winning.com.cn/)


## 局限性与免责声明

(a) WiNGPT2 是一个专业医疗领域的大语言模型，可为一般用户提供拟人化AI医生问诊和问答功能，以及一般医学领域的知识问答。对于专业医疗人士，WiNGPT2 提供关于患者病情的诊断、用药和健康建议等方面的回答的建议仅供参考。

(b) 您应理解 WiNGPT2 仅提供信息和建议，不能替代医疗专业人士的意见、诊断或治疗建议。在使用 WiNGPT2 的信息之前，请寻求医生或其他医疗专业人员的建议，并独立评估所提供的信息。

(c) WiNGPT2 的信息可能存在错误或不准确。卫宁健康不对 WiNGPT2 的准确性、可靠性、完整性、质量、安全性、及时性、性能或适用性提供任何明示或暗示的保证。使用 WiNGPT2 所产生的结果和决策由您自行承担。第三方原因而给您造成的损害结果承担责任。

## 许可证

1. 本项目授权协议为 Apache License 2.0，模型权重需要遵守基础模型 [Llama-3-8B](https://github.com/meta-llama/llama3) 相关协议及其[许可证](https://llama.meta.com/llama3/license)，详细内容参照其网站。

2. 使用本项目包括模型权重时请引用本项目：https://github.com/winninghealth/WiNGPT2

## 联系我们

网站：https://www.winning.com.cn

邮箱：[email protected]