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: 16 сен 2026

Ссылки

intern-s1-mini-context-conditioned-molecule-transfer-v10-4-bioavailability-ma-best

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-модель для контекстно обусловленного переноса свойств молекул и поиска кандидатов по пероральной биодоступности.

434скачиваний за 30 дней0лайковвеса обновлены16 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 V10.4 — Oral bioavailability — это дообученная модель jiosephlee на базе Intern-S1-mini-lm, разработанная для переноса свойств молекул с учётом контекста и ориентированная на пероральную биодоступность. Модель имеет архитектуру Qwen3ForCausalLM с 7,6 млрд параметров, принимает текст и выдаёт текст; её нативная длина контекста составляет 65 536 токенов. Чекпойнт доступен в формате safetensors для Transformers.

Модель предназначена для контекстно обусловленного сравнения молекул и поиска кандидатов с похожей ожидаемой биодоступностью. В README приведены тестовые значения Macro-F1@5 0,6814 и NDCG@5 0,7364, полученные на 267 запросах. Это специализированный экспериментальный чекпойнт, поэтому качество на других наборах данных и в практических сценариях может отличаться. Сведения о лицензии в предоставленных материалах отсутствуют.

Сценарии применения

ранжирование молекул по ожидаемой пероральной биодоступности
поиск молекул с профилем биодоступности, похожим на заданный контекст
сравнение кандидатов для раннего отбора в разработке лекарств

Ограничения

Результаты в README основаны на ограниченных валидационной и тестовой выборках и не гарантируют качество на иных данных. Лицензия в предоставленных материалах 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 V10.4 — Oral bioavailability

Validation-selected best checkpoint from the V10.4 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-v10.4-bioavailability-ma-mixed-continuous-intern
Dataset revision: 8cfc12c9b374cc316d227d88319133ccdd2a0a67
Training schedule: 10 epochs with a 350-step cap, seed 42, soft-target loss
Training stopped after step 255 when validation performance had plateaued
Selection metric: validation knn_binary_macro_f1_at_5
Selected optimizer step: 200
Weights & Biases training run
Weights & Biases test evaluation

Metrics

Split	Queries	Macro-F1@5	NDCG@5	Precision@5	Spearman
Validation	262	0.6723	0.7222	0.7252	0.3573
Test	267	0.6814	0.7364	0.7393	0.3729

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: e3a5b31