rigidk/CHIP2026-PatientPheX-Agriv

CHIP 2026 PatientPheX — Agriv 最终系统权重（SUB-B-11，B 榜 0.7389）

CHIP 2026 评测任务一"面向生物医学全文的特定患者表型概念识别"中，队伍 Agriv 最佳成绩（SUB-B-11）用到的全部自训权重。代码与复现说明见评测材料包中的代码目录（README.md）。

所有自训模型的训练标签只来自官方训练集（80 篇），未使用任何外部人工标注表型数据集。

目录	模型	基座（公开）	参数量	用途
ner/biolink-large-s42/	表型片段识别（token 分类，全量训练）	michiyasunaga/BioLinkBERT-large	0.34B	子任务1 候选片段
ce/ce-biolink-v1/full/	上下文交叉编码器（全量训练，给测试集打分）	michiyasunaga/BioLinkBERT-large	0.34B	子任务1 第二阶段复核特征
ce/ce-biolink-v1/fold0..4/	同上，5 折模型（生成训练集折外分数）	同上	0.34B ×5	第二阶段训练特征
lora/qwen3-8b-lora-v1/full/	Qwen3-8B LoRA 适配器（r=16，全量训练）	Qwen/Qwen3-8B	0.044B（基座 8.19B）	子任务2 患者阅读特征
lora/qwen3-8b-lora-v1/fold0..4/	同上，5 折适配器（生成训练集折外回答）	同上	0.044B ×5	子任务2 训练特征
lgbm/	LightGBM 模型：第一阶段判别、第二阶段复核（5 个随机种子）、子任务2 归属（单/多患者）	—	—	打分与归属

公开模型（直接从 Hugging Face 加载，固定 revision 见代码 src/patientphex/pins.py）：

• PhenoTagger v1.2（lingbionlp/PhenoTagger_v1.2）；
• SapBERT（cambridgeltl/SapBERT-from-PubMedBERT-fulltext）；
• Qwen/Qwen3-8B；
• deepseek-ai/DeepSeek-R1-0528-Qwen3-8B。

下载：python scripts/fetch_release_weights.py（按 sha256 校验）。

Self-trained weights of team Agriv's best CHIP 2026 PatientPheX submission (B board 0.7389). Labels come only from the official 80 training articles; every model is under 10B parameters (largest: Qwen3-8B, 8.19B; 8.23B with the unmerged LoRA adapter).