mednli_laya

mednli_laya

对照证据检查一条医学论断，回答 supported、unsupported 或 contradicted。这是微调过的 Laya 模型，用于英文临床笔记文本的研究，不能用于临床决策。

由 pavanmantha 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：mednli_laya 是一个经过调整、能从三个方面检查医学论断的 Laya 决策模型。你给它一条论断和一段证据，它回答 supported、unsupported 或 contradicted。Pavan Kumar Mantha 在 MedNLI 数据集上，用一个多语言 Laya 检查点训练了它。

适合谁：它适合处理英文临床笔记文本、想要一个小模型来判断证据是否支持某条论断的研究者和开发者。

Title: 谁可能用到它
行业 | 谁在用 | 怎么用 | 例子
医学 NLP 研究 | 研究者 | 在临床句子上测试论断与证据的检查 | 把一行笔记和一条关于化验值的论断作比较
健康科技原型 | 开发者 | 仅为研究用途做论断检查器的原型 | 标出被笔记反驳的论断
模型评估 | 机器学习工程师 | 研究一个小型分类器的准确率、校准和抗干扰能力 | 阅读基准表和随机种子结果

需要临床决策、非英文文本或长篇指南段落的人可以跳过。

用在哪里：

• Python：用 laya 库加载模型
• Windows、macOS 或 Linux：用 Python 下载文件
• 研究用的笔记本和脚本：一次评判一对论断和证据

Title: 它能做的事
用途 | 适合谁 | 得到什么
论断检查 | 研究者 | 针对一条论断及其证据的三种结论之一
基准测试 | 机器学习工程师 | 一个可与原始 Laya 检查点比较的模型
原型检查 | 开发者 | 在继续开发前可以检查的结论

如何设置：你需要先准备：

• Windows、macOS 或 Linux 上的 Python
• laya 库，示例代码会导入它
• 约 644 MB 的存储空间，用于 F16 权重

1. 安装 Hugging Face hub 软件包。
2. 下载模型文件。
3. 安装 laya 库，然后运行用法代码。

pip install -U huggingface_hub
hf download pavanmantha/mednli_laya

如何使用：加载模型，定义一个带三种回答标准的问题，传入论断和证据，然后读取结论。先传入论断再传入证据，与模型训练时见到的顺序一致。

import laya

agent = laya.load("pavanmantha/mednli_laya")
questions = {
  "verdict": {
    "type": "choice",
    "instructions": "Decide whether the cited text supports the claim.",
    "criteria": {
      "supported": "the cited text confirms the claim",
      "unsupported": "the cited text does not say enough to confirm or deny the claim",
      "contradicted": "the cited text states the opposite of the claim"
    }
  }
}
state = {"claim": "Patient has elevated Cr", "evidence": "Labs were notable for Cr 1.7 (baseline 0.5)."}
print(agent.predict(state, questions)["answers"]["verdict"])

Title: 上面用到的调用
工具 | 作用
laya.load | 按 Hugging Face 名称加载微调后的模型
agent.predict | 接收论断、证据和问题，返回回答

示例：你传入一条关于患者肌酐偏高的论断，以及一行显示数值远高于基线的化验记录。模型返回三个标签之一：supported、unsupported 或 contradicted。

新手与专家：如果你刚接触，可以把它看作一位裁判，读一条论断和一段笔记，然后说笔记是确认它、说得不够，还是说了相反的内容。运行一次用法代码，再改一下论断，看看结论怎么变。

如果你熟悉这个领域，它是在 MedNLI 上调整的，其中蕴含、中性和矛盾对应这三种结论。在 1422 条的测试集上，准确率从原始模型的 0.4494 升到 0.7904，模型卡报告它修正了 581 个错误，同时新增 96 个。只看论断时的准确率为 0.4114，高于随机水平，模型卡称这是 MedNLI 的已知特性。选项顺序翻转率从 0.0816 降到 0.0155。

写下一条论断和一句证据
用 laya 加载模型
用三种标准提出结论问题
读取 supported、unsupported 或 contradicted

注意事项：模型卡只报告了 MedNLI 测试集上的结果，其中随机准确率为 0.3333。

Title: MedNLI 测试集上的准确率
随机水平: 0.3333
原始 Laya: 0.4494
这个模型: 0.7904

• License: apache-2.0
• Cost to run: 未提及
• Data it reaches: 你传入的论断和证据文本，而训练用的是公开的 MedNLI 数据集
• Not for: 临床决策、长篇指南段落或非英文文本，而且它不是医疗器械

Hugging Face 上的数据（2026年11月13日）

• 任务：text classification
• 框架：laya
• 参数量：322M
• Weights: about 644 MB in F16; about 161 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：16
• 点赞：8
• 许可证：apache-2.0
• 语言：en
• 基于：convaiinnovations/laya
• 标签：laya, safetensors, claim-verification, medical, text-classification, model-index

链接

• 模型：https://huggingface.co/pavanmantha/mednli_laya
• 文件：https://huggingface.co/pavanmantha/mednli_laya/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download pavanmantha/mednli_laya

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。