myduy
/

diffusion-medical-ner

@@ -1,199 +1,126 @@
 ---
-library_name: transformers
-tags: []
 ---
-# Model Card for Model ID
-<!-- Provide a quick summary of what the model is/does. -->
-## Model Details
-### Model Description
-<!-- Provide a longer summary of what this model is. -->
-This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.
-- **Developed by:** [More Information Needed]
-- **Funded by [optional]:** [More Information Needed]
-- **Shared by [optional]:** [More Information Needed]
-- **Model type:** [More Information Needed]
-- **Language(s) (NLP):** [More Information Needed]
-- **License:** [More Information Needed]
-- **Finetuned from model [optional]:** [More Information Needed]
-### Model Sources [optional]
-<!-- Provide the basic links for the model. -->
-- **Repository:** [More Information Needed]
-- **Paper [optional]:** [More Information Needed]
-- **Demo [optional]:** [More Information Needed]
-## Uses
-<!-- Address questions around how the model is intended to be used, including the foreseeable users of the model and those affected by the model. -->
-### Direct Use
-<!-- This section is for the model use without fine-tuning or plugging into a larger ecosystem/app. -->
-[More Information Needed]
-### Downstream Use [optional]
-<!-- This section is for the model use when fine-tuned for a task, or when plugged into a larger ecosystem/app -->
-[More Information Needed]
-### Out-of-Scope Use
-<!-- This section addresses misuse, malicious use, and uses that the model will not work well for. -->
-[More Information Needed]
-## Bias, Risks, and Limitations
-<!-- This section is meant to convey both technical and sociotechnical limitations. -->
-[More Information Needed]
-### Recommendations
-<!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->
-Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.
-## How to Get Started with the Model
-Use the code below to get started with the model.
-[More Information Needed]
-## Training Details
-### Training Data
-<!-- This should link to a Dataset Card, perhaps with a short stub of information on what the training data is all about as well as documentation related to data pre-processing or additional filtering. -->
-[More Information Needed]
-### Training Procedure
-<!-- This relates heavily to the Technical Specifications. Content here should link to that section when it is relevant to the training procedure. -->
-#### Preprocessing [optional]
-[More Information Needed]
-#### Training Hyperparameters
-- **Training regime:** [More Information Needed] <!--fp32, fp16 mixed precision, bf16 mixed precision, bf16 non-mixed precision, fp16 non-mixed precision, fp8 mixed precision -->
-#### Speeds, Sizes, Times [optional]
-<!-- This section provides information about throughput, start/end time, checkpoint size if relevant, etc. -->
-[More Information Needed]
-## Evaluation
-<!-- This section describes the evaluation protocols and provides the results. -->
-### Testing Data, Factors & Metrics
-#### Testing Data
-<!-- This should link to a Dataset Card if possible. -->
-[More Information Needed]
-#### Factors
-<!-- These are the things the evaluation is disaggregating by, e.g., subpopulations or domains. -->
-[More Information Needed]
-#### Metrics
-<!-- These are the evaluation metrics being used, ideally with a description of why. -->
-[More Information Needed]
-### Results
-[More Information Needed]
-#### Summary
-## Model Examination [optional]
-<!-- Relevant interpretability work for the model goes here -->
-[More Information Needed]
-## Environmental Impact
-<!-- Total emissions (in grams of CO2eq) and additional considerations, such as electricity usage, go here. Edit the suggested text below accordingly -->
-Carbon emissions can be estimated using the [Machine Learning Impact calculator](https://mlco2.github.io/impact#compute) presented in [Lacoste et al. (2019)](https://arxiv.org/abs/1910.09700).
-- **Hardware Type:** [More Information Needed]
-- **Hours used:** [More Information Needed]
-- **Cloud Provider:** [More Information Needed]
-- **Compute Region:** [More Information Needed]
-- **Carbon Emitted:** [More Information Needed]
-## Technical Specifications [optional]
-### Model Architecture and Objective
-[More Information Needed]
-### Compute Infrastructure
-[More Information Needed]
-#### Hardware
-[More Information Needed]
-#### Software
-[More Information Needed]
-## Citation [optional]
-<!-- If there is a paper or blog post introducing the model, the APA and Bibtex information for that should go in this section. -->
-**BibTeX:**
-[More Information Needed]
-**APA:**
-[More Information Needed]
-## Glossary [optional]
-<!-- If relevant, include terms and calculations in this section that can help readers understand the model or model card. -->
-[More Information Needed]
-## More Information [optional]
-[More Information Needed]
-## Model Card Authors [optional]
-[More Information Needed]
-## Model Card Contact
-[More Information Needed]

 ---
+language:
+- vi
+pretty_name: Diffusion Language Model for Vietnamese NER
+tags:
+- diffusion-language-model
+- ner
+- fine-tuning
+- dlm
+task_categories:
+- ner
+- vietnamese-medical
+base_model:
+- Dream-org/Dream-v0-Instruct-7B
 ---
+# Diffusion Language Model for Vietnamese NER
+**Diffusion Language Model (DLM)** fine-tuned cho tác vụ **Named Entity Recognition (NER)** tiếng Việt.
+Mô hình này khai thác cơ chế **Diffusion-based Language Modeling** như một hướng tiếp cận thay thế cho các kiến trúc truyền thống **Encoder-only** (như BERT) hoặc **Decoder-only** (như GPT) trong các bài toán **token-level prediction**.
+---
+### Mô hình nền tảng
+- **Base model:** [Dream 7B — Diffusion Large Language Models](https://arxiv.org/abs/2508.15487)
+- **Training objective:** Diffusion-based denoising for token prediction
+- **Fine-tuning task:** Vietnamese Named Entity Recognition (NER)
+---
+### Dữ liệu huấn luyện
+Nguồn dữ liệu được sử dụng là từ:
+> **Nested Named-Entity Recognition on Vietnamese COVID-19: Dataset and Experiments**
+> [https://arxiv.org/abs/2504.21016]
+- Bao gồm các thực thể lồng nhau trong văn bản tiếng Việt liên quan đến COVID-19.
+- Được gán nhãn thủ công theo định dạng NER chuẩn (BIO tagging).
+- Thích hợp cho huấn luyện các mô hình phân biệt ranh giới thực thể phức tạp.
+---
+### Điểm nổi bật
+- Ứng dụng **diffusion process** để mô hình hóa phân phối của token, giúp cải thiện khả năng khái quát hóa và ổn định khi huấn luyện.
+- Cho phép **token prediction** mà không phụ thuộc hoàn toàn vào encoder hoặc decoder truyền thống.
+- Khả năng hiểu tiếng Việt từ Dream 7B.
+- Độ dài chuôi đầu vào không bị giới hạng như các mô hình [Pho-BERT](https://arxiv.org/abs/2003.00744).
+---
+### Kết quả & hướng phát triển
+- Đạt hiệu năng cạnh tranh so với các baseline encoder/decoder trong NER tiếng Việt.
+- Đang nghiên cứu mở rộng mô hình cho các tác vụ đa ngôn ngữ và đa miền dữ liệu.
+---
+### Ví dụ sử dụng
+```python
+import torch
+from transformers import AutoModel, AutoTokenizer
+model_path = "myduy/dream-diffusion-ner-recovery"
+model = AutoModel.from_pretrained(model_path, torch_dtype=torch.bfloat16, trust_remote_code=True)
+tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
+model = model.to("cuda").eval()
+test = [
+  {
+    "instruction": "<ner>\nTiêm chủng vaccine ngừa virus SARS-CoV-2 là biện pháp hiệu quả.\n</ner>",
+    "output": ""
+  },
+  {
+    "instruction": "<ner>\nBệnh nhân được chẩn đoán mắc bệnh lao phổi và được điều trị theo phác đồ của WHO.\n</ner>",
+    "output": ""
+  },
+  {
+    "instruction": "<ner>\nKhoa Hồi sức tích cực tại Bệnh viện Bạch Mai đã tiếp nhận bệnh nhân nguy kịch.\n</ner>",
+    "output": ""
+  },
+  {
+    "instruction": "<ner>\nThuốc Paracetamol 500mg được sử dụng để hạ sốt cho trẻ em.\n</ner>",
+    "output": ""
+  },
+  {
+    "instruction": "<ner>\nTrung tâm Kiểm soát bệnh tật TP. Hồ Chí Minh khuyến cáo người dân đeo khẩu trang y tế.\n</ner>",
+    "output": ""
+  },
+  {
+    "instruction": "<ner>\nPhác đồ điều trị HIV/AIDS được cập nhật mới nhất năm 2025.\n</ner>",
+    "output": ""
+  }
+]
+messages = [
+    {"role": "user", "content": "<ner>\nPhác đồ điều trị HIV/AIDS được cập nhật mới nhất năm 2025.\n</ner>"}
+]
+inputs = tokenizer.apply_chat_template(
+    messages, return_tensors="pt", return_dict=True, add_generation_prompt=True
+)
+input_ids = inputs.input_ids.to(device="cuda")
+attention_mask = inputs.attention_mask.to(device="cuda")
+output = model.diffusion_generate(
+    input_ids,
+    attention_mask=attention_mask,
+    max_new_tokens=512,
+    output_history=True,
+    return_dict_in_generate=True,
+    steps=512,
+    temperature=0.2,
+    top_p=0.95,
+    alg="entropy",
+    alg_temp=0.,
+)
+generations = [
+    tokenizer.decode(g[len(p) :].tolist())
+    for p, g in zip(input_ids, output.sequences)
+]
+print(generations[0].split(tokenizer.eos_token)[0])
+```
+---
+### Tài liệu tham khảo
+- [Nested Named-Entity Recognition on Vietnamese COVID-19: Dataset and Experiments](https://arxiv.org/abs/2504.21016)
+- [Diffusion Large Language Models — Dream 7B](https://arxiv.org/abs/2508.15487)
+- [PhoBERT: Pre-trained language models for Vietnamese](https://arxiv.org/abs/2003.00744)