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-bioavailability-ma-best

Генерация текстаТекст → текст3 профессии

Дообученная 7,6-миллиардная Qwen3-модель для контекстно-зависимого переноса молекулярных данных при оценке пероральной биодоступности.

614скачиваний 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

jiosephlee/intern-s1-mini-context-conditioned-molecule-transfer-v10-3-bioavailability-ma-best — дообученная модель на архитектуре Qwen3 для контекстно-зависимого переноса свойств молекул, выбранная по результатам валидации в задаче пероральной биодоступности. Она предназначена для генерации текстовых ответов в сценариях переноса между молекулярными наборами данных с учётом контекста; карточка указывает обучение на смешанных непрерывных данных и использование функции потерь с мягкими целевыми значениями.

Модель содержит 7,6 млрд параметров, принимает текст, имеет контекст до 65 536 токенов и поставляется в формате safetensors для Transformers. В README приведены метрики Macro-F1@5, NDCG@5 и Spearman на валидации и тесте; условия лицензии не приведены в доступных данных.

Сценарии применения

перенос молекулярных оценок между наборами данных с учётом контекста
ранжирование молекул по пероральной биодоступности
анализ контекстно-зависимых результатов химических биологических анализов

Ограничения

Назначение модели ограничено задачей переноса молекулярных данных для пероральной биодоступности; метрики README не описывают качество вне указанных наборов и процедуры оценки. Лицензия в доступных данных не указана.

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 IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей III.1Корпоративные функцииСтратегия, продукт и бизнес-моделиAI помогает принимать продуктовые и стратегические решения на основе свидетельств, а не только интуиции.19 задач2 459моделей

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 — Oral bioavailability

Validation-selected best checkpoint from the V10.3 mixed-continuous Oral bioavailability 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-bioavailability-ma-mixed-continuous-intern
Dataset revision: ccaf217eea14fd6bf24e43b9b7e4a6668569f3f2
Training: 10 epochs, seed 42, soft-target loss
Selection metric: validation knn_binary_macro_f1_at_5
Selected optimizer step: 140
Weights & Biases run

Metrics

Split	Macro-F1@5	NDCG@5	Spearman
Validation	0.6637	0.7335	0.3585
Test	0.6787	0.7376	0.3793

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: e883788