/ 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
21 сен 2026

intern-s1-mini-context-conditioned-molecule-transfer-v10-3-1-dili-best

Генерация текстаТекст → текст3 профессии

Дообученная на контекстно-зависимом переносе молекулярных свойств модель для сопоставления кандидатов в задачах DILI.

163скачиваний за 30 дней0лайковвеса обновлены21 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

Intern-S1-mini context-conditioned molecule transfer V10.3.1 — DILI — это дообученная модель jiosephlee на базе jiosephlee/Intern-S1-mini-lm для переноса свойств между молекулами с учётом контекста, связанного с лекарственным поражением печени (DILI). Она принимает текстовые запросы и выдаёт текст; модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 65 536 токенов.

Модель предназначена для контекстно-зависимого сопоставления молекул и оценки релевантности кандидатов в сценариях переноса данных между анализами. В README указано, что контрольная точка выбрана по validation knn_binary_macro_f1_at_5; на тестовой выборке из 402 запросов получены Macro-F1@5 0,6144 и NDCG@5 0,6324. Обучение остановлено на шаге 219, выбран шаг оптимизатора 140, поэтому метрики описывают конкретный экспериментальный чекпойнт, а не гарантируют качество в иных условиях.

Репозиторий содержит checkpoint и tokenizer для Transformers в формате safetensors. Данных о лицензии в предоставленных источниках нет, поэтому условия использования установить нельзя. Модель разработана для химических задач; результаты для DILI требуют проверки в целевом наборе данных и не должны трактоваться как самостоятельное медицинское заключение.

Сценарии применения

  • ранжирование молекул-кандидатов с учётом контекста анализа
  • перенос сигналов между химическими анализами
  • поиск молекул со сходным профилем лекарственного поражения печени
  • оценка релевантности молекулярных кандидатов для DILI

Ограничения

README сообщает метрики только для конкретного разделения данных и ограниченного обучения; переносимость на другие анализы и наборы данных не установлена. Лицензия в предоставленных источниках не указана.

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 context-conditioned molecule transfer V10.3.1 — DILI

Validation-selected best checkpoint from the V10.3.1 mixed-canonical drug-induced liver injury context-conditioned molecule-transfer run.

Provenance

  • Base model: jiosephlee/Intern-S1-mini-lm
  • Base model revision: fcb667c380ae01f57693a45b4b5c2d331052a107
  • Training dataset: jiosephlee/context-conditioned-molecule-transfer-v10.3.1-dili-mixed-canonical-intern
  • Dataset revision: 7d3bd8802dcf257fc2cb04b5ccbe58f523f4467f
  • Training schedule: 10 epochs with a 350-step cap, seed 42, soft-target loss
  • Training paused after step 219
  • Selection metric: validation knn_binary_macro_f1_at_5
  • Selected optimizer step: 140
  • Weights & Biases training run

Metrics

SplitQueriesMacro-F1@5NDCG@5Precision@5Spearman
Validation4020.62700.62470.61590.2681
Test4020.61440.63240.62750.2626

The repository contains the full Transformers checkpoint and tokenizer files. metric.json is the complete validation-selection record stored with the checkpoint.

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
b594bd7

0 моделей