Характеристики

Контекст: 2 048 токенов
Параметры: 8,8 млрд
Размер весов: 13,3 ГБ
Лицензия: Apache 2.0
Архитектура: opt · dense
Базовая модель: galactica-6.7b
Опубликована: 3 июл 2023

Ссылки

Hugging Face

OPI-Galactica-6.7B

BAAI

Генерация текстаТекст → текст3 профессии

Дообученная на инструкциях о белках научная языковая модель для генерации ответов по белковой тематике.

221скачиваний за 30 дней6лайковвеса обновлены12 мар 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

OPI-Galactica-6.7B — языковая модель, созданная дообучением GALACTICA 6.7B компанией BAAI на полном наборе инструкций OPI объёмом 1,61 млн примеров. Набор OPI предназначен для адаптации больших языковых моделей к задачам, связанным с белками; работа описана в статье, принятой на семинар NeurIPS 2024 по фундаментальным моделям для науки.

Модель построена на архитектуре OPT и генерирует текст по текстовому запросу. Она предназначена для инструктивных задач о белках; авторы сообщают об оценке на девяти задачах, но доступный фрагмент карточки не содержит результатов или их описания. Контекст составляет 2048 токенов. В метаданных указан английский язык и лицензия Apache-2.0.

Это специализированная исследовательская адаптация научной языковой модели, а не универсальная модель для любых предметных областей. Карточка не приводит подробностей об ограничениях, качестве по отдельным задачам или рекомендациях по развёртыванию.

Сценарии применения

ответы на инструктивные запросы о белках
генерация текста по белковой тематике
эксперименты с языковыми моделями для задач биологии белков

Ограничения

Карточка сообщает об оценке на девяти задачах, но доступный фрагмент не раскрывает результаты, поэтому качество по отдельным сценариям установить нельзя. Контекст ограничен 2048 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей I.13Универсальные способностиСимуляция, моделирование и открытие новогоAI помогает исследовать сложные системы, проверять сценарии и искать новые конструкции, закономерности или гипотезы.18 задач1 577моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OPI_logo

Github:

https://github.com/baaihealth/opi

Paper:

OPI: An Open Instruction Dataset for Adapting Large Language Models to Protein-Related Tasks has been accepted by NeurIPS 2024 Workshop: Foundation Models for Science: Progress, Opportunities, and Challenges.

Model Card of OPI-Galactica-6.7B

OPI-Galactica-6.7B was fine-tuned from the Galactica-6.7B model using the complete OPI training set (i.e.,OPI_full_1.61M_train.json). For more details of training and testing, please visit https://github.com/baaihealth/opi.

Overview

Evaluation of OPI-Galactica-6.7B model on 9 tasks

Each testing result is derived from the Galactica-6.7B model that has been fine-tuned using OPI_full_1.61M.json and subsequently evaluated on the respective testing set for each specific task.