/ Модель

Характеристики

Контекст
256 токенов
Параметры
45,9 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
6 авг 2026

marin-dna-scaling-v0.5-h640-p46M

Генерация текстаТекст → текст3 профессии

Компактная авторегрессионная модель Marin на 45,9 млн параметров для генерации нуклеотидных последовательностей ДНК и экспериментов с геномными данными.

482скачиваний за 30 дней0лайковвеса обновлены6 авг 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

MarinDNA v0.5 scaling ladder — 46M — это авторегрессионная языковая модель для последовательностей ДНК, разработанная Marin. Данный репозиторий содержит финальный чекпойнт модели с 45,9 млн параметров; это самая маленькая из восьми моделей линейки. Архитектура — декодерный Transformer, совместимый с Qwen3, а веса сохранены в формате Safetensors и загружаются через Transformers.

Модель принимает необработанные последовательности ДНК из букв A, C, G и T: токенизатор без учёта регистра кодирует один нуклеотид одним токеном и добавляет BOS. Контекст составляет 256 токенов, из которых один занимает BOS, поэтому вход ограничен 255 основаниями. Модель обучалась на смесях кодирующих, вышележащих и нижележащих геномных последовательностей. Карточка связывает линейку с прогнозированием эффектов вариантов, но не описывает отдельные процедуры оценки или гарантии точности.

Лицензия — Apache-2.0. Токенизатор отображает другие символы в UNK; модель предназначена для нуклеотидных последовательностей, а не для обычного текста.

Сценарии применения

  • генерация продолжения последовательности ДНК
  • моделирование коротких нуклеотидных последовательностей
  • эксперименты с языковыми моделями для геномики
  • исследование масштабирования моделей для последовательностей ДНК
  • оценка эффектов генетических вариантов в составе соответствующего исследовательского пайплайна

Ограничения

Принимает только последовательности A, C, G и T; прочие символы преобразуются в UNK. Длина входа ограничена 255 основаниями из-за контекста 256 токенов и добавляемого BOS; сведений о точности на прикладных задачах карточка не приводит.

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

MarinDNA v0.5 scaling ladder — 46M

This 45,895,552-parameter nucleotide-level causal language model is the smallest member of the eight-model MarinDNA v0.5 parameter-scaling ladder developed with Marin. This repository contains only the final step-215573 checkpoint from run dna-bolinas-scaling-v0.5-h640-p46M-353f3d, with its tokenizer bundled. It accompanies A 1B standard Transformer rivals Evo 2 40B on variant effect prediction.

Model details

FieldValue
ArchitectureQwen3-compatible decoder-only Transformer
Parameters45,895,552
Layers7
Hidden / intermediate size640 / 2,560
Attention heads / KV heads5 / 5
Context256 tokens: one BOS token followed by up to 255 DNA bases
CheckpointFinal checkpoint, step 215573 (after 215,574 zero-indexed training steps)
Token exposureapproximately 84.77B nucleotide tokens
Stored weight dtypefloat32
LicenseApache-2.0

The canonical source checkpoint is gs://marin-us-east5/checkpoints/dna-bolinas-scaling-v0.5-h640-p46M-353f3d/hf/step-215573; the byte-identical evals_v2 transfer cache is s3://oa-bolinas/snakemake/analysis/evals_v2/results/checkpoints/scaling-v0.5-h640-p46M-step-215573. The commit-pinned training script defines the production ladder.

Loading

from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "marin-dna/marin-dna-scaling-v0.5-h640-p46M"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(repo_id)

Tokenizer and input format

The bundled tokenizer is case-insensitive and represents one nucleotide per token. Its vocabulary is [PAD]=0, [UNK]=1, [BOS]=2, a=3, c=4, g=5, t=6. Pass raw DNA strings containing A, C, G, and T without spaces. The tokenizer lowercases input and prepends [BOS]; it has no EOS token. Other symbols map to [UNK]. Because BOS occupies one of the 256 positions, inputs are limited to 255 DNA bases.

Training data and protocol

Every model in the ladder used the same batch size, token budget, optimizer hyperparameters, tokenizer, and three-way training mixture: 73.19% CDS, 20.62% upstream, and 6.19% downstream sequence. Lowercase soft-masked positions received loss weight 0.01, versus 1.0 for uppercase positions. The ladder changes model scale, not the training-data recipe.

Training datasets: CDS, upstream, and downstream. The matched CDS, upstream, and downstream datasets were validation probes, not training data. The exact tokenizer, data, and mixture definitions are commit-pinned here.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
060cd05

0 моделей