Mol-Instructions

大规模生物分子指令数据集助力大语言模型

Mol-Instructions 生物分子大语言模型数据集蛋白质 Github 开源项目

Mol-Instructions是一个开放的大规模生物分子指令数据集,包含分子导向、蛋白质导向和生物分子文本三类指令。数据集涵盖分子设计、蛋白质功能预测等多个任务,通过AI协作、数据提取和模板转换等方法构建。该数据集旨在增强大语言模型在生物分子领域的表现,现已在Hugging Face平台发布。

dolma - 3万亿令牌的多样化开放数据集与高性能管理工具

AI2Dolma DatasetDolma ToolkitGithub开源项目数据集管理语言模型

Dolma项目提供一个包含3万亿令牌的多样化开放数据集，涵盖网络内容、学术出版物、代码、书籍和百科材料。Dolma Toolkit是一款高性能工具包，能够高效整理大型数据集，支持并行处理、便捷移植、内置标签器、快速去重、扩展性和云支持。该项目由Allen Institute for AI开发，数据集可在HuggingFace平台下载。

Mistral-Nemo-Instruct-2407-GGUF - 多语言指令微调大规模语言模型

GithubHuggingfaceMistral-Nemo-Instruct多语言大语言模型开源项目指令微调模型自然语言处理

Mistral-Nemo-Instruct-2407是一款基于Mistral-Nemo-Base-2407指令微调的大规模语言模型，支持128k上下文窗口。该模型在多语言和代码任务方面表现优异，可替代Mistral 7B使用。模型在主流基准测试中表现出色，并在多语言任务中展现强大能力。开发者可通过mistral_inference、transformers或NeMo框架使用该模型进行聊天、指令遵循和函数调用等多样化任务。Mistral-Nemo-Instruct-2407采用Apache 2许可证开源发布。

Infinity-Instruct-3M-0613-Mistral-7B - 提升语言模型性能的开源指导调优模型

AlpacaEval2.0GithubHuggingfaceInfinity Instruct开源模型开源项目指令微调无反馈强化学习模型

Infinity-Instruct-3M-0613-Mistral-7B是一个开源的指导调优模型，无需人类反馈的强化学习。该模型在百万级指令数据集上经过微调，在AlpacaEval 2.0基准测试中取得了25.5的高分，表现优于Mixtral 8x7B v0.1、Gemini Pro和GPT-3.5。通过低成本训练提高了Mistral-7B的基础能力和对话能力，并在MT-Bench测试中表现出色。适合多样化的下游任务，该模型为研究与应用提供了良好的支持。

esm2_t48_15B_UR50D - 大规模蛋白质语言模型用于多样化蛋白质序列分析

ESM-2GithubHuggingface开源项目模型深度学习生物信息学自然语言处理蛋白质模型

作为ESM-2系列中参数量最大的蛋白质语言模型，esm2_t48_15B_UR50D拥有480亿参数。该模型采用掩码语言建模方法训练，可应用于多种蛋白质序列分析任务。虽然模型性能优异，但也需要较高的计算资源。研究人员可利用该模型进行蛋白质功能预测、结构分析等研究，为蛋白质科学领域带来新的突破。

Mistral-7B-Instruct-v0.2-GPTQ - 高效量化的开源指令型大语言模型

AI推理GPTQGithubHuggingfaceMistral 7B开源项目模型模型下载量化模型

Mistral-7B-Instruct-v0.2模型的GPTQ量化版本，提供4位和8位精度等多种参数选项。支持Linux和Windows的GPU推理，兼容多个开源框架。采用Mistral提示模板，适用于指令任务。由TheBloke量化发布，旨在提供高效易用的开源大语言模型。

AlphaFold3 - 预测蛋白质相互作用结构的开源工具

AlphaFold3GithubPyTorch开源项目深度学习蛋白质结构预测遗传扩散

AlphaFold3通过基因扩散模型实现了生物分子相互作用结构的精确预测。该模型处理包括聚合物序列、残基修饰和配体smiles符号等多种输入数据，适用于预测多达1000个残基的蛋白质结构。独特的交叉蒸馏方法和信心评估机制减少了模型幻觉问题，增强了预测的可信度。用户可通过PyTorch和Docker容器便捷安装和运行该模型。

CodeLlama-13b-Instruct-hf - Code Llama系列中的130亿参数指令调优模型

Code LlamaGithubHuggingface人工智能代码生成开源项目模型模型训练自然语言处理

CodeLlama-13b-Instruct-hf是Meta开发的代码生成和理解大型语言模型，拥有130亿参数。该模型支持代码补全、填充和指令跟随，经过指令微调以提高安全性。作为Code Llama系列的一员，它与其他参数规模和Python专用变体并存。这一AI辅助编程工具适用于多种商业和研究场景，为开发者提供了强大的支持。

Phi-3.5-mini-instruct - 轻量级多语言长文本AI模型

GithubHuggingfacePhi-3.5-mini-instruct多语言支持大语言模型开源项目微软模型长文本理解

Phi-3.5-mini-instruct是一款开源AI模型，拥有3.8B参数和128K令牌上下文长度。该模型在多语言处理、长文本理解和推理能力方面表现优异，适用于通用AI系统，尤其适合资源受限环境和低延迟场景。经过监督微调、近端策略优化和直接偏好优化，模型具备精确的指令执行能力和安全性。

falcon-40b-instruct - 40B参数规模的开源指令型语言模型

Falcon-40B-InstructGithubHuggingface人工智能开源开源项目模型自然语言处理语言模型

Falcon-40B-Instruct是TII公司开发的大规模开源语言模型，基于Falcon-40B微调而来。该模型拥有40B参数，在开源模型中性能领先。它采用了FlashAttention和multiquery等优化技术，主要用于聊天和指令任务。运行该模型需要85-100GB内存。虽然性能出色，但在生产环境中使用时仍需评估潜在风险。

esm - ESM3生成模型实现蛋白质序列结构功能联合推理

ESM3Github人工智能开源项目生成式模型生物学蛋白质模型

ESM3是一个创新的生物学生成模型，能够同时处理蛋白质的序列、结构和功能。通过离散令牌表示这三种数据模态，ESM3可根据部分输入预测完整的蛋白质信息。作为一个生成式掩码语言模型，它采用迭代采样方法。ESM3架构具有高度可扩展性，其最大版本拥有980亿参数，曾对2.78亿个蛋白质进行训练。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com