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

Ссылки

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

Генерация текстаТекст → текст3 профессии

Дообученная языковая модель Qwen3 для контекстно-обусловленного переноса молекул в задаче, связанной с проницаемостью гематоэнцефалического барьера.

327скачиваний 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.

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

Модель Intern-S1-mini context-conditioned molecule transfer V10.3-TDC — BBB Martins разработана jiosephlee и представляет собой дообученную версию jiosephlee/Intern-S1-mini-lm: плотную авторегрессионную модель семейства Qwen3 с 7,6 млрд параметров. Она предназначена для контекстно-обусловленного переноса молекул в задаче, связанной с проницаемостью гематоэнцефалического барьера (BBB) и набором данных Martins. Модель распространяется как полный чекпойнт Transformers в формате safetensors и поддерживает контекст до 65 536 токенов.

Чекпойнт выбран по метрике knn_binary_macro_f1_at_5 на валидационной выборке. В README приведены значения Macro-F1@5 0,8583 на валидации и 0,7944 на тесте; для сравнения, у базового Morgan vanilla на тесте указано 0,7806. Эти результаты относятся к описанному набору данных и протоколу оценки и сами по себе не подтверждают качество на иных данных. Сведения о лицензии в предоставленных источниках отсутствуют.

Сценарии применения

ранжирование кандидатов для переноса молекул в контексте BBB Martins
оценка молекулярных кандидатов по контексту биологического анализа
исследовательская оценка переноса молекул на наборе TDC BBB Martins

Ограничения

Оценка приведена для конкретного набора данных TDC BBB Martins, а результаты не гарантируют переносимость на другие анализы или наборы данных. Лицензия в предоставленных источниках 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 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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

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-TDC — BBB Martins

Validation-selected best checkpoint from the V10.3-TDC 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-tdc-bbb-martins-mixed-continuous-intern
Dataset revision: 49021c7e4609e9eb902200cb5a60a0c534a294fe
Training schedule: 10 epochs, batch 16 per GPU on four GPUs, gradient accumulation 2, FA3, seed 42, soft-target loss
Selection metric: validation knn_binary_macro_f1_at_5
Selected optimizer step: 130
Weights & Biases training run
Weights & Biases test evaluation

Metrics

Ranker	Split	Queries	Macro-F1@3	Macro-F1@5
Model	Validation	197	0.8508	0.8583
Model	Test	530	0.8041	0.7944
Morgan vanilla	Test	530	0.7840	0.7806
Morgan weighted	Test	530	0.7834	0.7849

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: 42cb4af