/ Модель

Характеристики

Контекст
19 264 токена
Параметры
1,1 млн
Лицензия
Своя лицензия
Архитектура
cellfoundation · dense
Опубликована
19 ноя 2024

GB.Cell-3M

Заполнение пропусковТекст → текст3 профессии

Компактная модель CellFoundation для предсказания замаскированных элементов в последовательностях клеточных данных.

139скачиваний за 30 дней0лайковвеса обновлены25 июл 2026

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

GB.Cell-3M — модель семейства CellFoundation от genbio-ai с архитектурой CellFoundationForMaskedLM. В репозитории доступны веса PyTorch и Safetensors; размер модели — 1,1 млн параметров, контекст — 19 264 токена. Карточка отсылает к описанию более подробной модели из коллекции и к примерам использования в Hugging Face, но не раскрывает дополнительные сведения о назначении этого чекпойнта.

По метаданным модель поддерживает задачу fill-mask: предсказывает замаскированные элементы в последовательности. Семейство и название указывают на работу с клеточными данными, однако формат входных последовательностей, обучающие данные, поддерживаемые языки и конкретные биологические сценарии в предоставленных материалах не описаны. Указана лицензия other, поэтому условия использования нужно сверить с лицензией репозитория.

Сценарии применения

  • предсказание замаскированных элементов в клеточных последовательностях
  • восстановление скрытых участков последовательности
  • исследовательские эксперименты с моделями клеточных данных

Ограничения

Карточка не раскрывает формат входных последовательностей и не приводит сведения об обучающих данных или качестве на конкретных задачах. Лицензия обозначена как other, поэтому условия использования следует проверить в репозитории.

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

GB.Cell

License

For a more detailed description, refer to the SOTA model in this collection https://huggingface.co/genbio-ai/GB.Cell-100M

How to Use

For quickstart examples with vanilla HuggingFace, see this repo

To reproduce experiments, see ModelGenerator under experiments/GB.Cell.

Citation

Please cite GB.Cell using the following BibTeX code:

@inproceedings{ho_scaling_2024,
	title = {Scaling Dense Representations for Single Cell with Transcriptome-Scale Context},
	url = {https://www.biorxiv.org/content/10.1101/2024.11.28.625303v1},
	doi = {10.1101/2024.11.28.625303},
	publisher = {bioRxiv},
	author = {Ho, Nicholas and Ellington, Caleb N. and Hou, Jinyu and Addagudi, Sohan and Mo, Shentong and Tao, Tianhua and Li, Dian and Zhuang, Yonghao and Wang, Hongyi and Cheng, Xingyi and Song, Le and Xing, Eric P.},
	year = {2024},
    booktitle={NeurIPS 2024 Workshop on AI for New Drug Modalities},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Нельзя запустить

Архитектура cellfoundation неизвестна transformers в образе рантайма.

Класс архитектуры
CellFoundationForMaskedLM
Ревизия весов
51746b2

0 моделей