/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Архитектура
qwen3 · dense
Базовая модель
Intern-S1-mini-lm
Библиотека
transformers
Опубликована
23 сен 2026

intern-s1-mini-assay-transfer-record-level-v27-carcinogens-general-best

Генерация текстаТекст → текст3 профессии

Дообученная модель Intern-S1-mini для переноса и ранжирования оценок химических анализов на канцерогенность.

239скачиваний за 30 дней0лайковвеса обновлены23 сен 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

jiosephlee подготовил дообученный чекпойнт Intern-S1-mini для переноса оценок между записями в задаче Carcinogens V27 degree-24. Модель предназначена для ранжирования и оценки записей по данным химических анализов на канцерогенность, включая тестирование на примерах из распределения и вне него.

Это плотная причинная языковая модель архитектуры Qwen3 с 7,6 млрд параметров и контекстом до 65 536 токенов. Чекпойнт выбран на 500-м шаге по совместной метрике ID/OOD; в тесте он превзошёл указанные в карточке варианты на основе Morgan fingerprint по Macro MAE@3 и Spearman, хотя Spearman@3 остаётся отрицательным. Доступны веса safetensors и загрузка через Transformers; README указывает на необходимость trust_remote_code=True для встроенного токенизатора. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • оценка записей в задаче переноса assay для канцерогенов
  • ранжирование химических соединений по ожидаемым результатам анализа
  • сопоставление записей assay из обучающего распределения и вне него

Ограничения

Качество ограничено целевой задачей Carcinogens V27 degree-24; в тесте Spearman@3 отрицательный, а Top-1@3 составляет 0.1438. Лицензия в предоставленных данных не описана.

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

Intern-S1-mini assay-transfer model: Carcinogens degree 24

Validation-selected checkpoint for the Carcinogens V27 degree-24 assay-transfer task. The checkpoint was selected at training step 500 using the joint ID/OOD level-macro MAE@3.

Provenance

  • Base model: jiosephlee/Intern-S1-mini-lm (revision fcb667c380ae01f57693a45b4b5c2d331052a107)
  • Training data: jiosephlee/assay-transfer-record-level-v27-carcinogens-general-intern
  • Dataset revision: 086291e05ee17c87fb3933075d1d57680acb2c3c
  • Training setup: 10 scheduled epochs, device batch size 4, gradient accumulation 4, 8 GPUs, FlashAttention-2, padding-free BFD packing, soft-target loss
  • Selection metric: Carcinogens/degree24/overall/knn_regression_id_ood_level_macro_mae_at_3
  • Best validation metric: 0.8675038371

The run was stopped after the best checkpoint had been preserved; this uploaded directory is that best checkpoint.

Held-out test comparison

Metrics are on the joint ID/OOD test panel. Lower MAE is better; higher Spearman and Top-1@3 are better.

MethodMacro MAE@3Macro MAE@5SpearmanSpearman@3Top-1@3
This model0.55870.55410.4197-0.02860.1438
Morgan fingerprint (vanilla)0.81420.8046-0.02110.05060.0771
Morgan fingerprint (weighted)0.76300.7327-0.01770.00950.0685

The test evaluation is logged in Weights & Biases.

Usage

Load with the standard Transformers APIs and use trust_remote_code=True for the bundled tokenizer implementation.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
13a182f

0 моделей