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

Ссылки

intern-s1-mini-context-conditioned-molecule-transfer-v10-3-tdc-pinned-dili-xnkoqrux

Генерация текстаТекст → текст3 профессии

Дообученная 7,6-миллиардная Qwen3-модель для ранжирования молекул по потенциальному риску лекарственного поражения печени (DILI).

216скачиваний 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.

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 — Direct TDC DILI — это дообученная модель jiosephlee для оценки молекул в контексте анализа DILI, то есть потенциального лекарственного поражения печени. Репозиторий содержит полный чекпойнт, выбранный по метрике ранжирования на валидационной выборке.

Модель основана на плотной архитектуре Qwen3 с причинным языковым моделированием и содержит 7,6 млрд параметров. Она принимает текстовый ввод и генерирует текст; максимальный контекст — 65 536 токенов. В метаданных указаны Transformers и формат весов safetensors.

Чекпойнт предназначен для переноса и ранжирования молекул по задаче DILI; в README приведён результат 0,8042 по метрике knn_binary_macro_f1_at_5 на валидации. Это значение не гарантирует аналогичного качества на других данных. Сведения о лицензии в предоставленных источниках отсутствуют.

Сценарии применения

ранжирование молекул по потенциальному риску поражения печени
перенос результатов анализа DILI на новые молекулы
предварительный отбор соединений для оценки гепатотоксичности

Ограничения

Приведённая метрика 0,8042 относится к валидационной выборке и не характеризует гарантированное качество на новых данных. Лицензия и поддерживаемые естественные языки в предоставленных источниках не установлены.

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 I.13Универсальные способностиСимуляция, моделирование и открытие новогоAI помогает исследовать сложные системы, проверять сценарии и искать новые конструкции, закономерности или гипотезы.18 задач1 577моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Intern-S1-mini — Direct TDC DILI

This repository contains the full-weight best_assay_ranking checkpoint from the DILI fine-tuning run.

Provenance

Base model: jiosephlee/Intern-S1-mini-lm at fcb667c380ae01f57693a45b4b5c2d331052a107
Training dataset: jiosephlee/context-conditioned-molecule-transfer-v10.3-tdc-dili-mixed-canonical-intern at revision 401d41b27d87d608ce03a45fed7d43d081229007
Checkpoint-selection metric: ranking_validation/overall/knn_binary_macro_f1_at_5 = 0.8042
W&B run: view run (xnkoqrux)
Local run name: intern-s1-mini_context-conditioned-molecule-transfer-v10.3-tdc-pinned-dili-mixed-canonical-soft-f1at5-b8x4-ga4-lr2e-5-packed-10ep

The repository includes the model shards, model configuration, tokenizer files, and the checkpoint's metric.json.

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: bb52486