HF 研究员万圣节整活:FineDNA 数据集让 LLM「与 DNA 对话」
_lewtun · x · 2026-11-01
Hugging Face 研究员 Lewis Tunstall 发布 FineDNA 数据集(开头用「教 LLM 生命的意义」和 Happy Halloween 幽灵表情玩双关梗),采用三阶段流程训练能理解 DNA 的语言模型:
- Mid-training:300B+ token 的基因组序列、论文与网页混合语料,在基因组 LLM 的抽象 DNA 表示与自然语言语义之间搭桥;
- SFT:20 万条样本,覆盖 DNA 计算、序列分析与变异效应预测,基于真实 DNA 序列并用确定性验证器防止幻觉;
- RLVR:10 万条校准样本,解锁在超长序列中定位特定 DNA 片段等难学能力。
作者称训练出的模型可以「与 DNA 聊天」,在 DNA 理解任务上比肩前沿模型。数据集与代码均已开源,不过万圣节发布时间让人多少怀疑这是精心包装的整活项目。
所属事件:Hugging Face 开源 FineDNA 与 Carbon 模型，Carbon-X 超越 GPT-6.1(7 条相关)→
「Fun」频道最新
- 41 年后《超级马里奥兄弟》速通距理论完美仅差 2 帧 — giffmana · 2026-11-01
- 「地球毁了但至少用过 Opus 5.5」：AI 圈热传末日梗图 — dejavucoder · 2026-11-01
- 2020 年那段爆红的 GPT-3 对话：AI 自称「自我进化的产物」 — Merzmensch · 2026-11-01
- 浏览器游戏 Slop Eisley 0.6.69 接入 WebMCP，Chrome 可自动发现游戏工具 — jasonkneen · 2026-11-01
- 同一应用多端提交：tvOS 过审，其余全被苹果 4.3 拒 — ezshine · 2026-11-01
- 网友分享 AI 生成搞笑视频，周日时间线乐子一条 — AryHHAry · 2026-11-01