/ Модель

Характеристики

Контекст
152 токена
Параметры
113 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
roberta-base
Библиотека
transformers
Опубликована
23 мая 2025

Ab-RoBERTa

Заполнение пропусковТекст → текст3 профессии

Предобученная на последовательностях антител модель RoBERTa для извлечения признаков и восстановления замаскированных фрагментов последовательности.

330скачиваний за 30 дней0лайковвеса обновлены6 янв 2026

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

Ab-RoBERTa — предобученная модель masked language modeling на архитектуре RoBERTa, разработанная Eunna Huh, Hyeonsu Lee и Hyunjin Shin при поддержке Mogam Institute for Biomedical Research. Модель дообучена на последовательностях антител из базы Observed Antibody Space (OAS) и содержит 113,3 млн параметров. Она принимает аминокислотные последовательности в верхнем регистре, записанные слитно, без пробелов; длина контекста — 152 токена.

Модель предназначена для извлечения признаков из последовательностей антител и может дообучаться для прикладных задач анализа этих последовательностей. Как masked language model, она также восстанавливает замаскированные фрагменты последовательности. Поддерживается библиотекой Transformers. Лицензия — MIT.

Сценарии применения

  • извлечение признаков из последовательностей антител
  • восстановление замаскированных аминокислот в последовательности антител
  • подготовка представлений антител для последующего дообучения

Ограничения

Принимает только аминокислотные последовательности в верхнем регистре без пробелов. Контекст ограничен 152 токенами.

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

Ab-RoBERTa

Ab-RoBERTa is a pretrained masked language model (MLM) built on the RoBERTa architecture, trained using antibody sequences from the Observed Antibody Space (OAS) database. The model was trained on amino acid sequences written in uppercase letters with no spaces between them, so it only supports inputs in this specific format. Ab-RoBERTa is descrived in detail in this paper, and originally released at this location.

Model Description

  • Developed by: Eunna Huh, Hyeonsu Lee, Hyunjin Shin
  • Funded by : Mogam institute for biomedical research
  • Model type: RoBERTa
  • Trained Database: Observed Antibody Space (OAS)
  • License: MIT License

Main configuration

hidden_sizenum_hidden_layersnum_attention_headsintermediate_sizetotal_parameters
76812123,072125M

Uses

This model can be utilized to extract features from antibody sequences or fine-tuned for various downstream tasks. It is compatible with the Transformers library for easy loading and integration.

Example usage

from transformers import (
    RobertaTokenizer,
    RobertaModel,
    RobertaForMaskedLM,
    RobertaForSequenceClassification
)

# Load tokenizer (No need to add spaces to the sequence)
tokenizer = RobertaTokenizer.from_pretrained("mogam-ai/Ab-RoBERTa", do_lower_case=False)
# Load pre-trained model (exclude mlm head)
model = RobertaModel.from_pretrained("mogam-ai/Ab-RoBERTa", add_pooling_layer=False)
# Load pre-trained model (include mlm head)
mlm_model = RoberetaForMaskedLM.from_pretrained("mogam-ai/Ab-RoBERTa")

  • The tokenizer is designed to process batch inputs without requiring spaces between characters.

  • The tokenizer adds a start token ("<s>", token ID 0) at the beginning of each sequence and an end token ("</s>", token ID 2) at the end of each sequence.

  • To standardize sequence lengths within a batch, padding tokens ("<pad>", token ID 1) are added following the end token, extending each sequence to the maximum length observed in the batch.

example_sequences = [
    "QVQLVQSGPEVRKPGASEKVSCKASGYTFTNFYLHWVRQAPGQGLEWMGIINPSDGSTKFSRKFEGRVAMTRDTYTRTVYMELSSLRSEDTAVYYCTRCQDVVLLPAAQPENYYYGLDVWGQGTTVTVS", "QDQLVQSGAEVKNPGASVKVSCKASGYTFTSYGISLVRQAPGQGLEWMGWISAYNGNTNDAQKLQGRVTMTTDTSTSTAYMELRSLRSDDTAVYYCARVNSGSGWYFVPEEYYYYYYGMDVWGQGTTVTVSS"
]

tokens = tokenizer.batch_encode_plus(
    example_sequences, add_special_tokens=True,
    max_length=150,
    padding=True,
    truncation=True,
    return_tensors="pt",
    return_special_tokens_mask=False,
)
"""
Output
{
    'input_ids': tensor(
        [
            [ 0, 18, 22, 18, 14, ...,  2,  1,  1,  1],
            [ 0, 18,  7, 18, 14, 22, 18, ..., 20,  2]
        ]
    ), 
    'attention_mask': tensor(
        [
            [1, 1, 1, 1, 1, ..., 1, 0, 0, 0],
            [1, 1, 1, 1, 1, 1, 1, ..., 1, 1]
        ]
    )
}
"""
  • To extract sequence embeddings from the model, use the code snippet below.
output = model(**tokens).last_hidden_state

Citation

BibTeX:

@misc{huh2025antibodyfoundationalmodel, title={Antibody Foundational Model : Ab-RoBERTa}, author={Eunna Huh and Hyeonsu Lee and Hyunjin Shin}, year={2025}, eprint={2506.13006}, archivePrefix={arXiv}, primaryClass={cs.LG}, url={https://arxiv.org/abs/2506.13006}, }

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForMaskedLM
Ревизия весов
4441b55

0 моделей