/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Размер весов
30,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Опубликована
19 ноя 2024

GENIE_zh_7b

Генерация текстаТекст → текст3 профессии

GENIE — дообученная модель Qwen2.5 для однопроходного извлечения и преобразования сведений из китайских электронных медицинских карт в структурированный JSON.

103скачиваний за 30 дней17лайковвеса обновлены17 апр 2025

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

GENIE (Generative Note Information Extraction, 病历精灵) — модель для извлечения и структурирования информации из свободного текста электронных медицинских карт. Её совместно разработали группы Sheng Yu, Tianxi Cai и Isaac Kohane. Это дообученная на базе Qwen2.5-7B-Instruct плотная авторегрессионная языковая модель семейства Qwen2 с 7,1 млрд параметров.

Модель за один проход выделяет из медицинских записей биомедицинские сущности и их атрибуты: статус утверждения, локализацию в теле, модификаторы, значения, единицы измерения и назначение. Результат выдаётся в структурированном формате JSON. Карточка описывает обработку китайских медицинских записей; заявленный в README контекст составляет до 8192 токенов, тогда как метаданные указывают нативное окно контекста 131072 токена. Модель распространяется по лицензии Apache-2.0.

GENIE предназначена для автоматизации извлечения данных из EHR и упрощения конвейеров медицинской обработки текста: карточка заявляет, что модель не требует настройки промптов или few-shot-примеров. Описанные задачи ограничены медицинским извлечением информации; точность и переносимость на другие языки, форматы записей и клинические учреждения не подтверждены представленными данными.

Сценарии применения

  • извлечение медицинских сущностей из текста электронных карт
  • структурирование статусов утверждений о клинических фактах
  • извлечение локализаций, значений и единиц измерения из медицинских записей
  • преобразование свободных клинических заметок в JSON
  • автоматизация извлечения информации из EHR

Ограничения

Модель ориентирована на китайские медицинские записи; качество на других языках и вне описанного сценария EHR не установлено. README указывает контекст 8192 токена, тогда как метаданные каталога указывают нативный контекст 131072 токена.

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

Model Card for GENIE

Model Details

Model Size: 7B

Max Tokens: 8192

Base model: Qwen 2.5 7B

Model Description

GENIE (Generative Note Information Extraction, 中文名:病历精灵) is an end-to-end model designed to structure free text from electronic health records (EHRs). It processes EHRs in a single pass, extracting biomedical named entities along with their assertion statuses, body locations, modifiers, values, units, and intended purposes, outputting this information in a structured JSON format. This streamlined approach simplifies traditional natural language processing workflows by replacing all the analysis components with a single model, making the system easier to maintain while leveraging the advanced analytical capabilities of large language models (LLMs). Comparing with general-purpose LLMs, GENIE does not require prompt engineering or few-shot examples. Additionally, it generates all relevant attributes in one pass, significantly reducing both runtime and operational costs. GENIE is co-developed by the groups of Sheng Yu (https://www.stat.tsinghua.edu.cn/teachers/shengyu/), Tianxi Cai (https://dbmi.hms.harvard.edu/people/tianxi-cai), and Isaac Kohane (https://dbmi.hms.harvard.edu/people/isaac-kohane).

Usage

from vllm import LLM, SamplingParams

PROMPT_TEMPLATE = "Human:\n{query}\n\n Assistant:\n"
sampling_params = SamplingParams(temperature=temperature, max_tokens=max_new_token)
EHR = ['xxxxx1','xxxxx2']
texts = [PROMPT_TEMPLATE.format(query=k) for k in EHR]
output = model.generate(texts, sampling_params)

An example

Input:

EHR = ['慢性乙型肝炎病史10余年,曾有肝功能异常,中医治疗后好转;1年余前查HBsAg转阴,但肝脏病理提示病毒性肝炎伴肝纤维化(G1S3-4)']

Output:

res = [
 { "术语": "慢性乙型肝炎",
 "语义类型": "疾病、综合征、病理功能",
 "叙述状态": "存在",
 "身体部位": "无",
 "数值": "NA",
 "单位": "NA",
 "修饰词": "无" },
 { "术语": "肝功能异常",
 "语义类型": "症状、体征、临床所见",
 "叙述状态": "存在",
 "身体部位": "无",
 "数值": "NA",
 "单位": "NA",
 "修饰词": "无" },
 { "术语": "HBsAg",
 "语义类型": "化学物质、药物",
 "叙述状态": "不存在",
 "身体部位": "NA",
 "数值": "无",
 "单位": "NA",
 "修饰词": "NA" },
{ "术语": "肝脏病理",
 "语义类型": "诊断操作",
 "叙述状态": "存在",
 "身体部位": "无",
 "数值": "无",
 "单位": "NA",
 "修饰词": "NA" },
 { "术语": "病毒性肝炎",
 "语义类型": "疾病、综合征、病理功能",
 "叙述状态": "存在",
 "身体部位": "无",
 "数值": "NA",
 "单位": "NA",
 "修饰词": "无" },
 { "术语": "肝纤维化",
 "语义类型": "疾病、综合征、病理功能",
 "叙述状态": "存在",
 "身体部位": "无",
 "数值": "NA",
 "单位": "NA",
 "修饰词": "无" },
]

Citation

If you find our paper or models helpful, please consider cite:

BibTeX:

@misc{ying2025geniegenerativenoteinformation,
      title={GENIE: Generative Note Information Extraction model for structuring EHR data}, 
      author={Huaiyuan Ying and Hongyi Yuan and Jinsen Lu and Zitian Qu and Yang Zhao and Zhengyun Zhao and Isaac Kohane and Tianxi Cai and Sheng Yu},
      year={2025},
      eprint={2501.18435},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2501.18435}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
a29d2ec

0 моделей