/ Модель

Характеристики

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

marin-dna-scaling-v0.5-h896-p128M

Генерация текстаТекст → текст3 профессии

Небольшая причинная Transformer-модель Marin для генерации последовательностей ДНК по нуклеотидам.

48скачиваний 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 — 128M — это причинная языковая модель для генерации нуклеотидных последовательностей, разработанная Marin. Модель содержит около 128,5 млн параметров и построена на декодерном Transformer, совместимом с Qwen3; в репозитории опубликованы финальный чекпойнт обучения и токенизатор.

Модель принимает строки ДНК из символов A, C, G и T без пробелов и предсказывает продолжение последовательности. Токенизатор нечувствителен к регистру и кодирует один нуклеотид одним токеном; контекст составляет 256 токенов, включая начальный токен, поэтому вход ограничен 255 основаниями. Обучение использовало смесь кодирующих, upstream- и downstream-последовательностей. Репозиторий сопровождает исследовательскую серию по масштабированию моделей ДНК; конкретные задачи вроде предсказания эффекта вариантов в README представлены как контекст сравнения, а не как заявленная специализированная функция этой модели.

Модель распространяется под лицензией Apache-2.0. Токенизатор рассчитан на A/C/G/T: прочие символы преобразуются в UNK, а EOS-токен отсутствует; короткий контекст ограничивает работу с длинными последовательностями.

Сценарии применения

  • генерация продолжения короткой последовательности ДНК
  • эксперименты с причинным языковым моделированием нуклеотидов
  • сравнение качества моделей ДНК разного размера
  • изучение закономерностей в кодирующих и прилегающих последовательностях

Ограничения

Принимаются только основания A, C, G и T; остальные символы преобразуются в UNK. Контекст ограничен 255 основаниями с учётом начального токена.

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 — 128M

This 128,484,480-parameter nucleotide-level causal language model is a 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-h896-p128M-43ec40, 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
Parameters128,484,480
Layers10
Hidden / intermediate size896 / 3,584
Attention heads / KV heads7 / 7
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-h896-p128M-43ec40/hf/step-215573; the byte-identical evals_v2 transfer cache is s3://oa-bolinas/snakemake/analysis/evals_v2/results/checkpoints/scaling-v0.5-h896-p128M-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-h896-p128M"
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
0dfe883

0 моделей