eFold
Žádný odhad
Žádné hardwareové požadavky na tento model
Hmotnosti tohoto modelu nebyly publikovány, takže jej nelze stáhnout ani spustit na vlastním hardwaru v jakékoli velikosti. Je dostupný pouze prostřednictvím svého poskytovatele a žádná grafická karta to nezmění..
Záznam.
Plná specifikace
Všechno zaznamenané k tomuto modelu. Většina z toho popisuje, jak byl trénován, nikoli jak běží — užitečný kontext pro posouzení, kolik práce do něj bylo vloženo, a jak se srovnává s modely postavenými na jinou škálu.
Původ
Kdo vybudoval tento model, kde a kdy byl publikován.
- Organizace
- Harvard Medical School,Stanford University,Columbia University,University of Strasbourg
- Typ organizace
- Academia,Academia,Academia,Academia
- Země
- United States of America, France
- Publikováno
- 4 April 2024
- Autoři
- Silvi Rouskin, Alberic de Lajart, Yves Martin des Taillades, Colin Kalicki, Federico Fuchs Wightman, Justin Aruda, Dragui Salazar, Matthew Allan, Casper L'Esperance-Kerckhoff, Alex Kashi, Fabrice Jossinet
Co to dělá
Problémové oblasti, pro které byl model vyvinut. Model může obsahovat několik z každého.
- Doména
- Biology
- Úkol
- Protein or nucleotide language model (pLM/nLM)
Velikost
Jak velký je model a na kolik dat byl vytrénován. Parametry jsou číslo, které rozhoduje o tom, zda se vejde na danou grafickou kartu.
- Tréninková data
- tokens
pretraining: "over 120,000 unique sequences and structures” (bpRNA + Ribonanza); "The final dataset contains 227,000 sequences up to 512 in length." (synthetic from RNAcentral + RNAstructure Fold) finetuning: "1,456 mRNA and 1,098 pri-miRNA structures" after filtering (RNAndria)
Jak je klasifikováno
Labely, které se na zdrojovém datovém souboru používají při sledování významných modelů, a jak moc si je jistý touto položkou.
- Záznam důvěry
- Confident
Zdroje
Odkud tento záznam pochází a kdy byl naposled zkontrolován.
- Odkaz
- Diverse Database and Machine Learning Model to Narrow the Generalization Gap in RNA Structure Prediction
- Naposledy aktualizováno
- 28 November 2025
Co čísla znamenají
Co je tento model
eFold was published by Harvard Medical School,Stanford University,Columbia University,University of Strasbourg, in United States of America, in April 2024. academia,Academia,Academia,Academia is the category the publisher falls under.
It works in Biology, and is recorded as doing protein or nucleotide language model (pLM/nLM).
Jeho váhy nikdy nebyly zveřejněny, takže je možné ho dosáhnout pouze prostřednictvím jeho poskytovatele. Žádná grafická karta to nezmění.
Odpovědi
eFold — Časté dotazy
What GPU do I need to run eFold?
None. eFold is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is eFold open source?
The licensing for eFold was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does eFold have?
No parameter count has been published for eFold, which is why no memory or speed figure appears on this page.
Who created eFold?
eFold was published by Harvard Medical School,Stanford University,Columbia University,University of Strasbourg, based in United States of America, categorised as academia,Academia,Academia,Academia.
When was eFold released?
eFold was published in April 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is eFold used for?
eFold works in Biology, and is recorded as handling protein or nucleotide language model (pLM/nLM). These are the areas it was designed around; they describe intent rather than a hard boundary.
Druhý směr
Když se na to podíváte z druhé strany?
Tato stránka začíná modelem. Pokud již vlastníte kartu a chcete vědět, co vše bude schopna spustit, Začněte raději od hardwaru.