/ Модель

Характеристики

Контекст
131 072 токена
Параметры
14,7 млн
Лицензия
Apache 2.0
Архитектура
caduceus · dense
Библиотека
transformers
Опубликована
29 фев 2024

caduceus-ps_seqlen-131k_d_model-256_n_layer-16

Заполнение пропусковТекст → текст3 профессии

Предобученная Caduceus-PS анализирует длинные последовательности ДНК и предсказывает замаскированные участки, сохраняя эквивариантность к обратному комплементу.

173 тыс.скачиваний за 30 дней14лайковвеса обновлены20 окт 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Caduceus-PS — предобученная модель семейства Caduceus от Kuleshov Group для анализа последовательностей ДНК. Она использует 16 слоёв MambaDNA со скрытым размером 256 и обучена предсказывать замаскированные участки последовательности. Модель обладает эквивариантностью к обратному комплементу, поэтому при обучении не требуется аугментация данных этим преобразованием.

Модель обучена на референсном геноме человека на последовательностях длиной 131 072 нуклеотида; обучение длилось 50 тысяч шагов. Её можно применять для заполнения масок в последовательностях ДНК и как основу для дообучения на downstream-задачи, например классификации последовательностей. Доступна для Transformers в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • восстановление замаскированных нуклеотидов в последовательности ДНК
  • предобучение моделей для классификации геномных последовательностей
  • извлечение признаков из длинных участков генома человека

Ограничения

Модель предобучена на референсном геноме человека; перенос на другие организмы и задачи требует проверки или дообучения. Для downstream-задач нужно учитывать удвоенный размер скрытого состояния и способ получения инвариантных к обратному комплементу выходов.

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

Using Caduceus

To use the pre-trained model for masked language modeling, use the following snippet:

from transformers import AutoModelForMaskedLM, AutoTokenizer

# See the `Caduceus` collection page on the hub for list of available models.
model_name = "kuleshov-group/caduceus-ps_seqlen-131k_d_model-256_n_layer-16"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForMaskedLM.from_pretrained(model_name)

Alternatively, you can instantiate a model from scratch to train on your own data as follows:

from transformers import AutoConfig, AutoModelForMaskedLM

# Add any config overrides here, see the `config.json` file on the hub for details.
config_overrides = {}
# See the `Caduceus` collection page on the hub for list of available models.
config = AutoConfig.from_pretrained(
 "kuleshov-group/caduceus-ps_seqlen-131k_d_model-256_n_layer-16",
 **config_overrides,
) 
model = AutoModelForMaskedLM.from_config(config)

Model Details

This is the Caduceus-PS model with hidden dimension 256 and 16 MambaDNA layers. This model is reverse complement (RC) equivariant and thus no RC data augmentation is required when training this model, either during pre-training or for downstream fine-tuning. Note that the model hidden state will be twice that of a non-RC equivariant counterpart. For downstream task training and inference, and to ensure RC invariant outputs at downstream time, one can either run the downstream model on the hidden state and its RC or one can take the hidden state and its RC and average them before passing to the downstream model. To RC the hidden states, one can use: hidden_states.flip(dim=(-2, -1)) which will flip along the sequence lenght and channel dimensions.

This model was pre-trained on the human reference genome with sequence length 131,072 for 50k steps (each step contained ~1M base pairs / tokens).

For more details, please see our paper: Caduceus: Bi-Directional Equivariant Long-Range DNA Sequence Modeling.

Citation

Please cite our work using the bibtex below:

BibTeX:

@article{schiff2024caduceus,
  title={Caduceus: Bi-Directional Equivariant Long-Range DNA Sequence Modeling},
  author={Schiff, Yair and Kao, Chia-Hsiang and Gokaslan, Aaron and Dao, Tri and Gu, Albert and Kuleshov, Volodymyr},
  journal={arXiv preprint arXiv:2403.03234},
  year={2024}
}

Model Card Contact

Yair Schiff (yzs2@cornell.edu)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
CaduceusForMaskedLM
Ревизия весов
d89eeb8

0 моделей