/ Модель

Характеристики

Контекст
16 384 токена
Параметры
205 млн
Архитектура
mixtral · MoE
Библиотека
transformers
Опубликована
29 мая 2026

ProtGPT3-1.3B-dpo

Генерация текстаТекст → текст3 профессии

DPO-донастроенная модель ProtGPT3 для генерации разнообразных белковых последовательностей с учётом предсказанной структурной уверенности.

66скачиваний за 30 дней0лайковвеса обновлены18 авг 2026

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

AI4PD/ProtGPT3-1.3B-dpo — DPO-донастроенная модель семейства ProtGPT3 для генерации белковых последовательностей. Она обучена отдавать предпочтение последовательностям с более высокой предсказанной структурной уверенностью и меньшей долей низкосложных участков, сохраняя разнообразие. В метаданных указаны архитектура Mixtral с причинной языковой моделью и смесью экспертов, 205 млн параметров и контекст 16 384 токена; файлы представлены в формате safetensors, библиотека — Transformers.

Модель предназначена для проектирования белков и генерации последовательностей, в том числе по промпту. README рекомендует DPO-версию вместо базовой для генерации. Обучение опирается на открытые наборы белковых последовательностей, поэтому модель может наследовать их смещения. Предсказанная структурная уверенность и фильтрация низкой сложности — лишь приближённые цели: полученные последовательности могут быть нефункциональными или небезопасными и требуют вычислительной и экспериментальной проверки. README не сообщает лицензию.

Сценарии применения

  • генерация белковых последовательностей для проектирования белков
  • получение вариантов белковых последовательностей по промпту
  • создание последовательностей с меньшей долей низкосложных участков

Ограничения

Предсказанная структурная уверенность и снижение низкой сложности не гарантируют функциональность, безопасность, растворимость или успех синтеза; сгенерированные последовательности требуют вычислительной и экспериментальной проверки. README не сообщает лицензию.

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 ProtGPT3-1.3B-dpo

Model Description

ProtGPT3-1.3M-dpo is the DPO-aligned version of ProtGPT3-1.3B. It is part of the ProtGPT3 family, an open-source suite of promptable and aligned protein language models for protein design.

ProtGPT3-1.3M-dpo was further aligned with Direct Preference Optimization (DPO) to improve generation quality. The alignment procedure shifts the model toward protein sequences with higher predicted structural confidence and reduced low-complexity content, while preserving sequence diversity. For protein generation, each model -dpo version is recommended over the base model.

For more info and guidance on how to generate sequences with ProtGPT3-1.3B-dpo check out the extensive description provided in ProtGPT3-1.3B, just replacing the model name (i.e., model_name=AI4PD/ProtGPT3-1.3B-dpo).

Out-of-Scope Use

The model should not be used as the sole basis for experimental, clinical, environmental, or safety-critical decisions. Generated sequences require downstream computational and experimental validation. The model is not guaranteed to generate functional, soluble, safe, synthesizable, or experimentally successful proteins.

The model should not be used for irresponsible or harmful biological design applications.

Bias, Risks, and Limitations

ProtGPT3-1.3B-dpo learns from public protein sequence datasets and may reproduce biases present in those datasets. Although DPO alignment reduces low-complexity generations and improves generation quality according to the alignment objectives (pLDDT and reduction of lcr, as a binary objective, see main manuscript), generated sequences may still be nonfunctional, unstable, insoluble, repetitive, biologically implausible, or unsuitable for a user’s intended application.

The DPO alignment objective uses predicted structural confidence and low-complexity filtering as proxy objectives. These proxies do not guarantee biological function, experimental success, safety, solubility, or manufacturability.

As with other generative protein models, ProtGPT3-1.3B-dpo may present dual-use risks if applied irresponsibly.

Citation

BibTeX:

@article{garibbo2026protgpt3,
  title={ProtGPT3: an Open-source family of Promptable and Aligned Protein Language Models},
  author={Garibbo, Michele and Boxo Corominas, Gerard and Stocco, Filippo and Illanes Vicioso, Ramiro and Middendorf, Lasse and Ferruz, Noelia},
  journal={bioRxiv},
  pages={2026--06},
  year={2026},
  publisher={Cold Spring Harbor Laboratory}
}

More Information

For more info and guidance on how to generate sequences with ProtGPT3-112M-dpo check out the extensive description provided in ProtGPT3-1.3B, just replacing the model name (i.e., model_name=AI4PD/ProtGPT3-1.3B-dpo).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
6041f5c

0 моделей