Hugging Face 开源 Carbon-A：12 亿参数 DNA 模型标注基因编码区
lmoroney · x · 2026-10-12
lmoroney 介绍 Hugging Face 新发布的开源模型 Carbon-A-1.2B（Apache 2.0），用于标记真核基因组中编码蛋白质的碱基：- 将 DNA 切成六字母 token，每次读取 98,304 个碱基对的窗口；- 设两个分类头分别对应两条链，可捕捉反向链上重叠的编码区；- 训练数据来自哺乳动物、植物、真菌等 2,055 个 RefSeq 组装，注释管线为每个预测基因给出置信度分数；- 可通过 Transformers + PyTorch 加载。模型卡附带酵母基因组复现教程，核苷酸 F1 达 0.998。
「研究」频道最新
- SoftwareGym自动合成182个软件环境，CUA训练OSWorld提升至57% — Tian Jin · 2026-10-12
- 高通 AI 用熵与 CKA 选层，让 EAGLE3 投机解码超越固定层组合 — Qualcomm-AI-Research · 2026-10-12
- 进化实验显示机器人通信随信息价值涌现，天生反射反成拖累 — uv-mex · 2026-10-12
- PreSTO 预测式子树预取将 LLM Power Sampling 提速至多 2.33 倍 — du_yilun · 2026-10-12
- AWS+HSBC 论文：验证器与自进化 Agent 共同进化，仅需 10 个标注样本 — rohanpaul_ai · 2026-10-12
- Nature MI 论文：LLM 为组合优化找到互补启发式 — lulzxdxdxd · 2026-10-12