/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
21 мар 2024

BioMistral-7B-Natural-Products-RE-Diversity-1000-synt-v1.2

Генерация текстаТекст → текст3 профессии

Дообученная BioMistral-7B извлекает из научных текстов отношения между природными продуктами и организмами для автоматизации биологической аннотации.

19скачиваний за 30 дней0лайковвеса обновлены21 мар 2024

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

BioMistral-7B-Natural-Products-RE-Diversity-1000-synt-v1.2 — дообученная языковая модель mdelmas для извлечения отношений между природными продуктами и организмами из научных текстов. Она предназначена для автоматизации аннотирования связей, полезных при поиске и разработке лекарств, в том числе для дополнения существующих биологических ресурсов.

Модель основана на BioMistral-7B и использует плотную авторегрессионную архитектуру Mistral с 7,1 млрд параметров. Она дообучена на синтетических данных, созданных Mixtral-8x7B-Instruct-v0.1, поддерживает чатовый формат, принимает текст и генерирует текст. Контекст — до 32 768 токенов; в карточке указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • извлечение связей между природными продуктами и организмами из статей
  • автоматическое дополнение биологических баз данных
  • аннотирование литературы для поиска потенциальных лекарственных соединений

Ограничения

Модель обучена на синтетических данных, поэтому извлечённые отношения могут содержать ошибки и требуют проверки. Заявленное назначение ограничено связями природных продуктов и организмов; результаты не заменяют экспертную оценку.

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

BioMistral-7B-Natural-Products-RE-Diversity-1000-synt-v1.2

Natural products represent a large pool of bioactive compounds of high interest in drug-discovery. However, these relationships are sparsely distributed across organisms and a growing part of the literature remains unannotated. This volume necessitates the development of a machine assistant to boost the completion of existing resources. Framing the task as an end-to-end Relation Extraction (RE), we propose a new BioMistral model fined-tuned on synthetic data. See details about this procedure in the join article.

The model is a derived from BioMistral/BioMistral-7B and was trained on a synthetic dataset generated with Mixtral-8x7B-Instruct-v0.1.

The dataset is available on zenodo.

You can use the model as:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig

# model and quantization config
device = torch.device("cuda")
BNB_CONFIG = BitsAndBytesConfig(load_in_8bit=True)
model_hf = "mdelmas/BioMistral-7B-Natural-Products-RE-Diversity-1000-synt-v1.2"

# Load model
model = AutoModelForCausalLM.from_pretrained(model_hf, quantization_config=BNB_CONFIG)
tokenizer = AutoTokenizer.from_pretrained(model_hf)


# Example from PubMed article 24048364
title_text = "Producers and important dietary sources of ochratoxin A and citrinin."
abstract_text = "Ochratoxin A (OTA) is a very important mycotoxin, and its research is focused right now on the new findings of OTA, like being a complete carcinogen, information about OTA producers and new exposure sources of OTA. Citrinin (CIT) is another important mycotoxin, too, and its research turns towards nephrotoxicity. Both additive and synergistic effects have been described in combination with OTA. OTA is produced in foodstuffs by Aspergillus Section Circumdati (Aspergillus ochraceus, A. westerdijkiae, A. steynii) and Aspergillus Section Nigri (Aspergillus carbonarius, A. foetidus, A. lacticoffeatus, A. niger, A. sclerotioniger, A. tubingensis), mostly in subtropical and tropical areas. OTA is produced in foodstuffs by Penicillium verrucosum and P. nordicum, notably in temperate and colder zones. CIT is produced in foodstuffs by Monascus species (Monascus purpureus, M. ruber) and Penicillium species (Penicillium citrinum, P. expansum, P. radicicola, P. verrucosum). OTA was frequently found in foodstuffs of both plant origin (e.g., cereal products, coffee, vegetable, liquorice, raisins, wine) and animal origin (e.g., pork/poultry). CIT was also found in foodstuffs of vegetable origin (e.g., cereals, pomaceous fruits, black olive, roasted nuts, spices), food supplements based on rice fermented with red microfungi Monascus purpureus and in foodstuffs of animal origin (e.g., cheese)."
text = title_text + " " + abstract_text

# Tokenisation
input_text = text + tokenizer.eos_token + tokenizer.bos_token
input_tokens = tokenizer(input_text, return_tensors='pt')
input_tokens.to(device)

# Decoding parameters
EVAL_GENERATION_ARGS = {"do_sample": False, 
    "num_beams": 3,
    "length_penalty": 3,
    "max_length": 2048,
    "temperature": 1,
    "forced_eos_token_id": tokenizer.eos_token_id,
    "pad_token_id": tokenizer.pad_token_id}

# Generate
with torch.no_grad():
  beam_output = model.generate(**input_tokens, **EVAL_GENERATION_ARGS)
output = tokenizer.decode(beam_output[0][len(input_tokens["input_ids"][0]):], skip_special_tokens=True)

# Parse and print
rels = output.strip().split("; ")
for rel in rels:
  print("- " + rel)
torch.cuda.empty_cache()

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
296b44e

0 моделей