Компактный диффузионный чекпойнт CID для исследования постоянного когнитивного состояния и взаимодействия с инструментами через специализированный runtime.

Подходит для: исследование поведения CID на компактной языковой модели · разработка и проверка CID-runtime · оценка сходимости генерации в цикле CID

Дообученная модель Qwen2 на 7,1 млрд параметров для генерации CUDA-ядер и CUDA-расширений из модулей PyTorch.

Подходит для: генерация CUDA-расширения для модуля PyTorch · создание GPU-ядер на CUDA C++ · подготовка кандидатов CUDA-реализации для KernelBench

Базовая причинная модель семейства CENO для генерации и анализа последовательностей ДНК с контекстом до 1 048 576 токенов.

Подходит для: генерация геномных последовательностей ДНК · извлечение эмбеддингов из последовательностей ДНК · дообучение модели для задач геномики

Базовая причинная модель CENO на гибридной архитектуре Mamba, attention и MoE для генерации последовательностей ДНК и извлечения эмбеддингов.

Подходит для: генерация геномных последовательностей ДНК · извлечение эмбеддингов из последовательностей ДНК · дообучение модели для задач геномики

CENO-P-300M — модель для оценки влияния генетических вариантов по множественным выравниваниям последовательностей ДНК.

Подходит для: оценка эффекта мутации по выровненным последовательностям · сравнение вариантов ДНК с последовательностью дикого типа · ранжирование генетических вариантов по изменению правдоподобия

CENO-P-1B — геномная модель семейства CENO для предсказания влияния вариантов ДНК путём сравнения оценок последовательностей дикого типа и мутантного варианта в MSA.

Подходит для: оценка эффекта генетического варианта по множественному выравниванию · сравнение последовательностей дикого типа и мутантного варианта · ранжирование вариантов по изменению логарифмического правдоподобия

Базовая причинная модель CENO для генерации последовательностей ДНК, извлечения эмбеддингов и адаптации к задачам геномики.

Подходит для: генерация последовательностей ДНК · извлечение эмбеддингов геномных последовательностей · дообучение модели для задач геномики

Базовая причинная языковая модель CENO для генерации последовательностей ДНК, извлечения эмбеддингов и адаптации к задачам геномики.

Подходит для: генерация последовательностей ДНК · извлечение эмбеддингов геномных последовательностей · дообучение для прикладных задач геномики

Базовая авторегрессионная ДНК-модель CENO для генерации геномных последовательностей, извлечения эмбеддингов и адаптации к задачам геномики.

Подходит для: генерация последовательностей ДНК · извлечение эмбеддингов из геномных последовательностей · дообучение модели для задач геномики

CENO-P-600M — модель для предсказания эффектов генетических вариантов по множественным выравниваниям ДНК-последовательностей.

Подходит для: Оценка влияния мутации на последовательность ДНК · Сравнение вариантов дикого типа и мутантов по правдоподобию · Предсказание эффектов вариантов на основе MSA

CENO-1B-131k — базовая причинная языковая модель для генерации последовательностей ДНК, извлечения их эмбеддингов и адаптации к геномным задачам.

Подходит для: генерация геномных последовательностей ДНК · извлечение эмбеддингов из последовательностей ДНК · дообучение модели для специализированных задач геномики

Базовая причинная модель CENO для генерации геномных последовательностей ДНК, извлечения эмбеддингов и адаптации под задачи геномики.

Подходит для: генерация последовательностей ДНК · извлечение эмбеддингов геномных последовательностей · дообучение модели для задач геномики

Базовая причинная модель CENO для генерации последовательностей ДНК, извлечения их эмбеддингов и адаптации к геномным задачам.

Подходит для: генерация геномных последовательностей ДНК · извлечение эмбеддингов из последовательностей ДНК · подготовка базовой модели для дообучения на геномных задачах

Базовая причинная модель CENO для генерации последовательностей ДНК, извлечения эмбеддингов и адаптации под задачи геномики.

Подходит для: генерация последовательностей ДНК · извлечение эмбеддингов из геномных последовательностей · адаптация модели для задач геномики

Базовая причинная ДНК-модель семейства CENO для генерации геномных последовательностей, извлечения эмбеддингов и адаптации к задачам геномики.

Подходит для: генерация последовательностей ДНК · извлечение эмбеддингов геномных последовательностей · адаптация модели для задач геномики

Базовая причинная модель CENO с контекстом обучения до 1 048 576 токенов для генерации последовательностей ДНК и извлечения их представлений.

Подходит для: генерация последовательностей ДНК · извлечение представлений геномных последовательностей · подготовка признаков для задач геномики

Производная модели cuio/CENO-300M-1m. Базовая причинная модель CENO для генерации последовательностей ДНК, извлечения эмбеддингов и адаптации под задачи геномики.

Подходит для: генерация последовательностей ДНК · извлечение эмбеддингов из геномных последовательностей · адаптация модели для задач геномики

Объединённая плотная модель семейства Llama на 12,9 млрд параметров для генерации текста с контекстом до 4096 токенов.

Подходит для: генерация текста по запросу · продолжение заданного текста · создание черновиков на естественном языке

Экспериментальный объединённый чекпойнт семейства Llama для генерации текста с контекстом до 4096 токенов.

Подходит для: генерация продолжений текста · создание черновиков на португальском Бразилии · эксперименты с объединением чекпойнтов Llama

Производная модели MiniT2I/MiniT2I. MiniT2I — семейство моделей Diffusers для генерации изображений по текстовому описанию в вариантах B/16 и L/16.

Подходит для: создание изображения по текстовому описанию · генерация иллюстраций для пользовательских запросов · эксперименты с вариантами генеративной модели B/16 и L/16

Объединённый экспериментальный чекпойнт семейства Llama на 12,9 млрд параметров для генерации текста.

Подходит для: генерация текста на основе текстового запроса · эксперименты с методом Delta-P2S · оценка объединённых чекпойнтов семейства Llama

Объединённый чекпойнт эксперимента Delta-P2S на архитектуре Llama для генерации текста.

Подходит для: генерация текста по запросу · продолжение заданного текста · эксперименты с объединением языковых моделей

Разговорная модель на базе Llama с 1,2 млрд параметров для генерации текста и диалогов, описанная как объединённая модель с архитектурной концепцией CULO-MoE.

Подходит для: генерация ответов в диалоговом интерфейсе · создание черновиков и продолжение текста · адаптация языковой модели к разнородным предметным областям

Производная модели BAAI/URSA-1.7B-FSQ320. URSA-1.7B-FSQ320 — модель BAAI для создания и редактирования видео по текстовым запросам.

Подходит для: создание коротких видео по текстовому описанию · редактирование видео с помощью текстового запроса · генерация визуальных материалов для учебных проектов