一个名为 OpenMed 的新开源项目发布了 650 多个生物医学命名实体识别 (NER) 和去标识化模型，这些模型可以使用 MLX 在 Apple 设备上高效运行。这些模型采用 Apache 2.0 许可，专为设备端处理而设计，与传统的基于 CPU 的方法相比，速度有了显著提升。例如，一个 4.34 亿参数的临床 NER 模型在 M3 Max 芯片上的运行速度比在 CPU 上使用 PyTorch 快 30-40 倍，同时保持相同的输出，并通过在本地处理数据来保护用户隐私。 AI
影响 加速了专业生物医学 NLP 任务的设备端处理，提高了本地应用程序的隐私性和效率。
排序理由 这是发布用于设备端处理的专业模型和 SDK，而不是来自主要实验室的核心前沿模型发布。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
