/ 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-tdc-v2-hp-bioavailability-ma-best

Генерация текстаТекст → текст3 профессии

Дообученная текстовая модель для контекстного ранжирования молекул по пероральной биодоступности.

250скачиваний 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 TDC-v2-HP — Oral bioavailability — это дообученная модель jiosephlee для ранжирования молекул по признакам переноса с учётом контекста, с фокусом на пероральной биодоступности. Она построена на плотной архитектуре Qwen3ForCausalLM и содержит 7,6 млрд параметров; модель принимает текст и выдаёт текстовый ответ в формате генерации. Контекстное окно — 65 536 токенов.

Модель дообучена на 49 224 прямых записях, включая данные TDC и Starling, и таком же количестве косвенных записей. Это сохранённый чекпойнт, выбранный по валидационной метрике macro-F1@5; в README приведены результаты сравнения с вариантами ранжирования Morgan. Модель предназначена для исследовательского ранжирования кандидатов по пероральной биодоступности, а не для самостоятельного подтверждения фармакологических свойств. README и метаданные не сообщают лицензию.

Сценарии применения

  • ранжирование кандидатов лекарственных молекул по пероральной биодоступности
  • поиск молекул с похожими контекстными характеристиками переноса
  • сравнение ранжирования модели с дескрипторами Morgan
  • исследовательская оценка списка молекул-кандидатов

Ограничения

Чекпойнт выбран по валидационной метрике, а приведённые тестовые результаты ниже вариантов Morgan по Macro-F1@3, но выше по Macro-F1@5; качество зависит от соответствия входного контекста обучающим данным. Лицензия в доступных материалах 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 TDC-v2-HP — Oral bioavailability

Validation-selected checkpoint from the direct-inclusive TDC-v2-HP Oral bioavailability run. This was the best held-out macro-F1@5 result among the indirect-only and Starling-direct TDC variants.

Provenance

  • Base model: jiosephlee/Intern-S1-mini-lm
  • Base model revision: fcb667c380ae01f57693a45b4b5c2d331052a107
  • Training dataset: jiosephlee/context-conditioned-molecule-transfer-v10.3-tdc-v2-hp-bioavailability-ma-mixed-continuous-intern
  • Dataset revision: 9db99d12536f5dbb3d906ab90e5acff1b036405c
  • Training data: 49,224 direct records, including TDC and Starling direct data, plus 49,224 indirect records
  • Training configuration: 10 scheduled epochs, seed 42, soft-target loss, 8 GPUs, device batch size 4, gradient accumulation 4, Flash Attention 2, BFD packing, and padding-free training
  • Selection metric: validation knn_binary_macro_f1_at_5
  • Selected optimizer step: 80
  • Selected validation macro-F1@5: 0.6297
  • Training was intentionally stopped at step 202 of 440; this repository contains the saved step-80 validation-selected checkpoint.
  • Training run
  • Held-out model/Morgan comparison

Held-out test comparison

RankerMacro-F1@3Macro-F1@5Spearman@3Top-1 hit@3
Model0.56570.56570.57740.7266
Morgan vanilla0.59870.5060-0.02070.9297
Morgan weighted0.61690.5439-0.01420.9219

Checkpoint selection and the TDC-variant comparison use macro-F1@5. All model and Morgan test metrics are available in the linked W&B evaluation run.

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
a1cb696

0 моделей