Hugging Face lança o Carbon-X, modelo aberto de 14B que responde em linguagem natural sobre trechos de DNA
Feito com a Zhongguancun Academy, da China, e a Universidade de Nápoles Federico II, partiu de um modelo de linguagem com vocabulário ampliado para ler o DNA em grupos de seis letras e foi treinado em 300 bilhões de tokens que juntam sequências de mamíferos, outros vertebrados, invertebrados, plantas, fungos e protozoários com texto em inglês. Recebe trechos de cerca de 50 mil pares de bases e serve, por exemplo, para avaliar se uma mutação é benigna ou causa doença. O genoma de vírus ficou fora do treino, para evitar uso perigoso, e o tamanho de 14 bilhões de parâmetros foi escolhido para rodar localmente, sem mandar dado de paciente a modelo de fronteira.
Modelos · web · hugging-face, biologia, dna, modelo-aberto, genomica