/ 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-v9-0-2-tdc-v2-skin-reaction-best

Генерация текстаТекст → текст3 профессии

Дообученная модель Qwen3 для ранжирования молекулярных кандидатов по реакции кожи.

249скачиваний 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 molecule transfer V9.0.2 TDC V2 — Skin Reaction — это дообученная языковая модель jiosephlee на базе jiosephlee/Intern-S1-mini-lm. Чекпойнт отобран по валидации для ранжирования молекул в задаче Skin Reaction; обучение проводилось на объединённом наборе из 13 536 записей TDC и 85 321 прямой записи Starling с дополнительными косвенными примерами.

Модель построена на плотной архитектуре Qwen3 с причинной языковой моделью Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 65 536 токенов. В тестовом сравнении она достигла бинарного macro-F1@5 0,6192 и превзошла оба варианта Morgan по этой метрике, но уступила им по Top-1 hit@3; результат Spearman@3 отрицательный. Это специализированный экспериментальный чекпойнт для оценки и ранжирования молекулярных кандидатов по реакции кожи, а не универсальный предиктор химических свойств. Для загрузки требуется Transformers и trust_remote_code=True для пользовательского токенизатора. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • ранжирование молекул по ожидаемой реакции кожи
  • сравнение молекулярных кандидатов для задачи Skin Reaction
  • оценка порядка кандидатов на основе контекста задачи
  • экспериментальная проверка моделей ранжирования в химии

Ограничения

В тестовом сравнении Spearman@3 отрицательный, а по Top-1 hit@3 модель уступила вариантам Morgan. Загрузка пользовательского токенизатора требует trust_remote_code=True; сведения о лицензии не предоставлены.

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 molecule transfer V9.0.2 TDC V2 — Skin Reaction

Validation-selected checkpoint trained on the Skin Reaction V9.0.2 TDC V2 combined dataset. The training data combines 13,536 TDC and 85,321 Starling direct records with deterministic 1:1 indirect augmentation.

Provenance

  • Base model: jiosephlee/Intern-S1-mini-lm
  • Base model revision: fcb667c380ae01f57693a45b4b5c2d331052a107
  • Training dataset: jiosephlee/context-conditioned-molecule-transfer-v9.0.2-tdc-v2-skin-reaction-mixed-continuous-intern
  • Dataset revision: 4d97c745c735aa8d6dc07b81305e93f4e3bea496
  • Training configuration: 10 scheduled epochs, seed 42, 4 GPUs, device batch size 2, gradient accumulation 16, effective batch size 128, and ranking validation every 20 optimizer steps
  • Selection metric: validation KNN binary macro F1@5 (higher is better)
  • Selected optimizer step: 80
  • Selected validation F1@5: 0.7500
  • The run was deliberately stopped at step 222; this repository contains its complete best-observed checkpoint.
  • Training run
  • Held-out model/Morgan comparison

Held-out test comparison

RankerBinary macro-F1@3Binary macro-F1@5Spearman@3Top-1 hit@3
Model0.60770.6192-0.24740.6585
Morgan vanilla0.56610.5495-0.16120.8659
Morgan weighted0.62650.5661-0.21360.8780

The combined model was selected over the indirect-only model because its primary test F1@5 was 0.6192 versus 0.5732, and it beats both Morgan variants on F1@5. The top-1 and F1@3 results are included to make the tradeoff explicit.

The repository contains the full Transformers checkpoint and tokenizer files. metric.json is the complete validation-selection record stored with the checkpoint. Loading requires trust_remote_code=True for the custom tokenizer.

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
870f401

0 моделей