ProTeM
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
- Zhejiang Lab,Zhejiang University (ZJU),Huazhong University of Science and Technology,Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- China, United Arab Emirates
- Pubblicato
- 17 September 2024
- Autori
- Ming Qin, Xun Li, Yuhao Wang, Zhenping Li, Hongbin Ye, Zongbing Wang, Weihao Gao, Shangsong Liang, Qiang Zhang, Keyan Ding
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein function prediction
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
- tokens
Bio-LLM: 2,000,000 documents × 100 tokens = 2.0 × 10^8 tokens ProTeM: 467,277 pairs × (50 text + 300 protein) tokens = 1.63 × 10^8 tokens Total: 2.0 × 10^8 + 1.63 × 10^8 = 3.63 × 10^8 tokens
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
- ProTeM: Unifying Protein Function Prediction via Text Matching
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
ProTeM è stato pubblicato da Zhejiang Lab,Zhejiang University (ZJU),Huazhong University of Science and Technology,Mohamed bin Zayed University of Artificial Intelligence (MBZUAI), nel paese registrato come China, durante September 2024. La categoria sotto cui rientra l'editore è academia,Academia,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein function prediction.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Risposte
ProTeM — domande comuni
ProTeM— chi l'ha creato?
È stato pubblicato da Zhejiang Lab,Zhejiang University (ZJU),Huazhong University of Science and Technology,Mohamed bin Zayed University of Artificial Intelligence (MBZUAI), basato su China, un'organizzazione categorizzata come academia,Academia,Academia.
ProTeM— 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.
ProTeM— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein function prediction. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
ProTeM— 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.
ProTeM— 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.
ProTeM— 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.
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.