BetterBodies
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- University of Freiburg,Collaborative Research Institute Intelligent Oncology ,BrainLinks-BrainTools
- Tipo di organizzazione
- Academia,Research collective,Academia
- Paese
- Germany
- Pubblicato
- 9 September 2024
- Autori
- Yannick Vogt, Mehdi Naouar, Maria Kalweit, Christoph Cornelius Miething, Justus Duyster, Joschka Boedecker, Gabriel Kalweit
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein design
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- 30,283 tokens
- Epoche
- 700
New estimate: 2753*11=30283 Total sequences: 2,500 + 2,753 + 2,167 = 7,420 Data points = 7,420 sequences × 11 residues/sequence = 81,620 data points Final estimate: 81,620
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- BETTERBODIES: Reinforcement Learning Guided Diffusion for Antibody Sequence Design
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
BetterBodies è stato pubblicato da University of Freiburg,Collaborative Research Institute Intelligent Oncology ,BrainLinks-BrainTools, nel paese registrato come Germany, durante September 2024. Esce da un'organizzazione categorizzata come academia,Research collective,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein design.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Come è stato addestrato
È stato addestrato su un corpus di circa 30,283 token di testo
Risposte
BetterBodies — domande comuni
BetterBodies— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein design. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
BetterBodies— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
BetterBodies— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
BetterBodies— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
BetterBodies— chi l'ha creato?
È stato pubblicato da University of Freiburg,Collaborative Research Institute Intelligent Oncology ,BrainLinks-BrainTools, basato su Germany, un'organizzazione categorizzata come academia,Research collective,Academia.
BetterBodies— quando è stato rilasciato?
È stato pubblicato in September 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.