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: 15 сен 2026

Ссылки

intern-s1-mini-context-conditioned-molecule-transfer-v10-3-bbb-martins-best

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-модель для контекстно-зависимого переноса свойств молекул в задачах, связанных с BBB и набором Martins.

617скачиваний за 30 дней0лайковвеса обновлены15 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.

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

Intern-S1-mini context-conditioned molecule transfer V10.3 — BBB Martins — это дообученная модель, опубликованная jiosephlee на основе jiosephlee/Intern-S1-mini-lm. Она предназначена для переноса свойств молекул с учётом контекста, в частности в сценариях, связанных с BBB и данными Martins. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров, принимает текст и рассчитана на контекст до 65 536 токенов.

Чекпойнт отобран по метрике knn_binary_macro_f1_at_5: на тестовом наборе указаны Macro-F1@5 0,7048, NDCG@5 0,7779 и корреляция Спирмена 0,4065. Доступен полный чекпойнт Transformers в формате safetensors; библиотека для работы — Transformers. Лицензия в предоставленных данных не указана. Карточка не сообщает о поддержке конкретных естественных языков, поэтому модель описана как специализированная для молекулярных задач, без указания языков.

Сценарии применения

перенос свойств молекул с учётом экспериментального контекста
ранжирование кандидатов для задач переноса молекулярных свойств
оценка релевантности молекул в сценариях, связанных с BBB
анализ молекулярных данных набора Martins

Ограничения

Результаты метрик относятся к указанным validation- и test-наборам и могут не переноситься на другие данные или эксперименты. Поддержка конкретных естественных языков в карточке не заявлена.

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

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 — BBB Martins

Validation-selected best checkpoint from the V10.3 mixed-continuous BBB Martins 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-bbb-martins-mixed-continuous-intern
Dataset revision: 72fe16d4112cc9b1f7c1ea5199160ef8a05d372c
Training: 10 epochs, seed 42, soft-target loss
Selection metric: validation knn_binary_macro_f1_at_5
Selected optimizer step: 120
Weights & Biases run

Metrics

Split	Macro-F1@5	NDCG@5	Spearman
Validation	0.7388	0.7777	0.4180
Test	0.7048	0.7779	0.4065

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: 7678f7a