Характеристики

Контекст: 1 000 000 000 токенов
Параметры: 126 млн
Лицензия: MIT
Архитектура: t5 · dense
Опубликована: 10 июл 2024

Ссылки

Hugging Face arXiv 2402.17810

biot5-plus-base-mol-instructions-protein

QizhiPei

Языковая модель3 профессии

Модель T5 на 126 млн параметров для генерации текста по англоязычным запросам о молекулярных инструкциях и белках.

58скачиваний за 30 дней0лайковвеса обновлены20 фев 2025

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

QizhiPei/biot5-plus-base-mol-instructions-protein — текстовая модель семейства T5 для генерации текста по текстовому запросу. Репозиторий содержит веса для Transformers в форматах PyTorch и Safetensors; архитектура — T5ForConditionalGeneration, размер — 126 млн параметров. По названию репозитория модель предназначена для работы с молекулярными инструкциями и белками, однако README не описывает конкретные задачи и качество модели.

Модель использует английский язык и распространяется по лицензии MIT. Её можно загружать вместе с токенизатором через Transformers. Длина контекста и специальные ограничения применения в карточке не описаны.

Сценарии применения

генерация текстовых ответов на запросы о белках
работа с текстовыми инструкциями по молекулам
эксперименты с генерацией текста в биомолекулярных задачах

Ограничения

README не уточняет конкретные целевые задачи, качество или ограничения модели; сведения о назначении основаны на названии репозитория.

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.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.13Универсальные способностиСимуляция, моделирование и открытие новогоAI помогает исследовать сложные системы, проверять сценарии и искать новые конструкции, закономерности или гипотезы.18 задач1 577моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Example Usage

from transformers import AutoTokenizer, T5ForConditionalGeneration

tokenizer = AutoTokenizer.from_pretrained("QizhiPei/biot5-plus-base-mol-instructions-protein")
model = T5ForConditionalGeneration.from_pretrained('QizhiPei/biot5-plus-base-mol-instructions-protein')

References

For more information, please refer to our paper and GitHub repository.

Paper: BioT5+: Towards Generalized Biological Understanding with IUPAC Integration and Multi-task Tuning

GitHub: BioT5+

Authors: Qizhi Pei, Lijun Wu, Kaiyuan Gao, Xiaozhuan Liang, Yin Fang, Jinhua Zhu, Shufang Xie, Tao Qin, and Rui Yan

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры: T5ForConditionalGeneration
Ревизия весов: f630dd6