InstructPLM
Aucune estimation
Aucun besoin matériel pour ce modèle
Les poids de ce modèle n'ont pas été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel, quelle que soit la taille. Il n'est accessible que via son fournisseur, et aucune carte graphique ne change cela.
Enregistrement terminé
Spécification complète
Tout ce qui concerne ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — contexte utile pour évaluer le travail fourni et sa comparaison avec des modèles construits à une échelle différente.
Origine
Qui a construit ce modèle, où et quand il a été publié.
- Organisation
- Zhejiang Lab,Zhejiang University (ZJU),Nanjing University,Tsinghua University,Alibaba,Chinese University of Hong Kong (CUHK)
- Type d'organisation
- Academia,Academia,Academia,Industry,Academia
- Pays
- China, Hong Kong
- Publié
- 20 April 2024
- Auteurs
- Jiezhong Qiu, Junde Xu, Jie Hu, Hanqun Cao, Liya Hou, Zijun Gao, Xinyi Zhou, Anni Li, Xiujuan Li, Bin Cui, Fei Yang, Shuang Peng, Ning Sun, Fangyu Wang, Aimin Pan, Jie Tang, Jieping Ye, Junyang Lin, Jin Tang, Xingxu Huang, Pheng Ann Heng, Guangyong Chen
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut en porter plusieurs de chacun.
- Domaine
- Biology
- Tâche
- Protein generation, Protein folding prediction
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui détermine s'il tient sur une carte graphique donnée.
- Paramètres
- 89.1M
- Données d'entraînement
- 5,407,200 tokens
- Époques
- 200
Table 2
InstructPLM Training Data Points: - Training Proteins: 18,024 - Avg Sequence Length: 300 - Total Tokens = 18,024 × 300 = 5,407,200 ≈ 5.4 × 10^6 data points
L'entraînement
Ce qu'il a physiquement fallu pour entraîner : quels puces, combien, pendant combien de temps, et ce que cela a tiré du mur.
- Matériel d'entraînement
- NVIDIA A100
- Chips utilisés
- 4
- Consommation d'énergie
- 3.2 kW
Comment il est classé
Étiquettes que le jeu de données source applique lors du suivi des modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Confident
- Citations
- 13
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- InstructPLM: Aligning Protein Language Models to Follow Protein Structure Instructions
- Dernière mise à jour
- 1 January 2026
Ce que signifient les chiffres
Ce que ce modèle est
InstructPLM was published by Zhejiang Lab,Zhejiang University (ZJU),Nanjing University,Tsinghua University,Alibaba,Chinese University of Hong Kong (CUHK), in China, in April 2024. The organisation is categorised as academia,Academia,Academia,Industry,Academia.
It works in Biology, and is recorded as doing protein generation, Protein folding prediction.
Ses poids n'ont jamais été publiés, donc on ne peut y accéder que par son fournisseur. Aucun changement de carte graphique ne change cela.
Ce qui a contribué à sa construction
The training set ran to roughly 5,407,200 tokens.
Réponses
InstructPLM — Questions fréquentes
How many parameters does InstructPLM have?
InstructPLM has 89.1M parameters. Table 2. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created InstructPLM?
InstructPLM was published by Zhejiang Lab,Zhejiang University (ZJU),Nanjing University,Tsinghua University,Alibaba,Chinese University of Hong Kong (CUHK), based in China, categorised as academia,Academia,Academia,Industry,Academia.
When was InstructPLM released?
InstructPLM 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 InstructPLM used for?
InstructPLM works in Biology, and is recorded as handling protein generation, Protein folding prediction. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run InstructPLM?
None. InstructPLM 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 InstructPLM open source?
The licensing for InstructPLM was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
Dans l'autre sens
Regardez-la de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez connaître tout ce qu'elle pourra exécuter, commencez plutôt par le matériel.