qwen3.5-4b-lymphome-ecrf-lora

Données & split (reproductible)

Dataset : rntc/lymphome-synth-v4 (split train, ~2050 dossiers). Split train/test déterministe : seed 0, test = 20%.

python
Copy code
from datasets import load_dataset
import random
d = load_dataset("rntc/lymphome-synth-v4")["train"]
idx = list(range(len(d)))
random.Random(0).shuffle(idx)
n_test = int(len(idx) * 0.2)
test_ids = set(idx[:n_test])          # 20% APRÈS shuffle = TEST
train = [d[i] for i in range(len(d)) if i not in test_ids]   # ~1640
test  = [d[i] for i in range(len(d)) if i in test_ids]       # ~410

Le LoRA est entraîné sur train (~1640) et évalué sur test (~410). id de doc = lym_{sample_index}. Le gold est localisé en spans de caractères (gold = {champ: [[start, end, valeur]]}).

Utilisation (charger base + adaptateur)

python
Copy code
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
base = "Qwen/Qwen3.5-4B"
model = AutoModelForCausalLM.from_pretrained(base, torch_dtype="bfloat16", device_map="auto")
model = PeftModel.from_pretrained(model, "rntc/qwen3.5-4b-lymphome-ecrf-lora")
tok = AutoTokenizer.from_pretrained(base)

Inférence par section (JSON guidé) + scoring value/span : voir gen/lymphome/{infer_llm,eval_lymphome}.py du repo de code.

Licence

MIT. Recherche. Pas un dispositif médical.