/ Модель

Характеристики

Контекст
8 192 токена
Параметры
493 млн
Лицензия
MIT
Архитектура
generanno · dense
Библиотека
transformers
Опубликована
11 фев 2025

GENERanno-eukaryote-0.5b-base

Заполнение пропусковТекст → текст3 профессии

Плотная модель GENERanno с 493,2 млн параметров для анализа эукариотической ДНК и задач геномной аннотации.

109скачиваний за 30 дней1лайквеса обновлены16 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GENERanno-eukaryote-0.5b-base — базовая плотная модель семейства GENERanno, разработанная для работы с эукариотическими последовательностями ДНК. Она содержит 493,2 млн параметров и обучена на наборе данных объёмом 386 млрд пар оснований; длина контекста составляет 8192 токена, что соответствует заявленным в карточке 8 тысячам пар оснований. Модель использует архитектуру GenerannoForMaskedLM и предназначена для предсказания замаскированных участков последовательности.

Модель ориентирована на геномную аннотацию: поиск расположения генов, предсказание их функций и разбор структуры генов. В README также заявлена сопоставимая с GENERator производительность на Genomic Benchmarks, NT tasks и Gener tasks. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Авторы отмечают, что модель находится в разработке и технические подробности будут дополняться.

Сценарии применения

  • поиск расположения генов в эукариотической ДНК
  • предсказание функций генов по последовательности
  • аннотация структуры генов
  • предсказание замаскированных участков ДНК
  • оценка геномных последовательностей на задачах бенчмарков

Ограничения

Авторы указывают, что модель находится в разработке, а технические подробности ещё дополняются. Заявления о качестве основаны на перечисленных бенчмарках и не гарантируют точность для любых организмов или геномных задач.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GENERanno-eukaryote-0.5b-base model

Abouts

In this repository, we present GENERanno, a genomic foundation model featuring a context length of 8k base pairs and 500M parameters, trained on an expansive dataset comprising 386 billion base pairs of eukaryotic DNA. Our evaluations demonstrate that the GENERanno achieves comparable performance with GENERator in benchmark evaluations, including Genomic Benchmarks, NT tasks, and our newly proposed Gener tasks, making them the top genomic foundation models in the field (2025-02).

Beyond benchmark performance, the GENERanno model is meticulously designed with its specialization in gene annotation. The model efficiently and accurately identifies gene locations, predicts gene function, and annotates gene structure, highlighting its potential to revolutionize genomic research by significantly enhancing the precision and efficiency of gene annotation processes.

The code and implementation details are available on Github: https://github.com/GenerTeam/GENERanno.

Please note that the GENERanno-eukaryote is currently in the developmental phase. We are actively refining the model and will release more technical details soon. Stay tuned for updates!

How to use

Example: Embedding Extraction


import torch
from transformers import AutoModelForMaskedLM, AutoTokenizer

model = AutoModelForMaskedLM.from_pretrained(
    "GenerTeam/GENERanno-eukaryote-0.5b-base",
    trust_remote_code=True,
    torch_dtype=torch.bfloat16,
).cuda().eval()

tokenizer = AutoTokenizer.from_pretrained(
    "GenerTeam/GENERanno-eukaryote-0.5b-base",
    trust_remote_code=True,
)

# Define input sequences.
sequences = [
    "ATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCG",
    "ACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGT"
]

processed_sequences = ["<s>" + seq for seq in sequences]

# Tokenize the sequences
inputs = tokenizer(
    processed_sequences,
    add_special_tokens=False,
    return_tensors="pt",
    padding=True,
).to("cuda")

with torch.inference_mode():
    outputs = model(**inputs, output_hidden_states=True)

# Retrieve the hidden states from the last layer
hidden_states = outputs.hidden_states[-1]
attention_mask = inputs["attention_mask"]

# Option 1: Use the first token (BOS) as the sentence embedding
bos_embeddings = hidden_states[:, 0, :]

# Option 2: Use mean pooling over the token embeddings
expanded_mask = attention_mask.unsqueeze(-1).expand(hidden_states.size()).to(torch.float32)
sum_embeddings = torch.sum(hidden_states * expanded_mask, dim=1)
mean_embeddings = sum_embeddings / expanded_mask.sum(dim=1)

print("BOS Embeddings:", bos_embeddings)
print("Mean Embeddings:", mean_embeddings)

Citation

@article{li2025generanno,
	author = {Li, Qiuyi and Wu, Wei and Zhu, Yiheng and Feng, Fuli and Ye, Jieping and Wang, Zheng},
	title = {GENERanno: A Genomic Foundation Model for Metagenomic Annotation},
	elocation-id = {2025.06.04.656517},
	year = {2025},
	doi = {10.1101/2025.06.04.656517},
	publisher = {Cold Spring Harbor Laboratory},
	URL = {https://www.biorxiv.org/content/early/2025/06/05/2025.06.04.656517},
	journal = {bioRxiv}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
GenerannoForMaskedLM
Ревизия весов
1f2d714

0 моделей