Hugging Face 开源 FineDNA 数据集：让 Qwen3-14B 达到 GPT-Sol 6.1 水平的 DNA 训练配方
_lewtun · x · 2026-11-02
Hugging Face 生物研究团队发布 FineDNA——Carbon-X 模型（让 Qwen3-14B 学会读取 DNA 的模型）的完整训练数据集，全部开源（Apache 2.0），覆盖三个训练阶段：
- Mid-training：23 个 config，514B tokens（55% DNA + 45% 生物学文本与指令），30.2B tokens 被实际读取
- SFT：205,923 段对话、9,984 token 上下文
- RL：98,433 prompts，代码校验的奖励函数，GRPO 一个 epoch
结果：Carbon-X 在五个 DNA 基准上平均 66.7，比 Qwen3-14B 基线 40.0 高 26.7 分（mid+FT 贡献 +19.3，RL 贡献 +7.4）；开放模型中仅 GPT-Sol 6.1 得分更高（67.5）。
配图详细展示了数据来源（Eukaryote DNA、原核 mRNA、生物学文本、指令等）、三阶段权重组合与加载命令，宣称「让生物前沿保持开放」。
所属事件:Hugging Face 开源 FineDNA 与 Carbon 模型，Carbon-X DNA 基准超 GPT-6.1(11 条相关)→
「模型」频道最新
- Mistral 员工晒实测：模型自主选基组算苯分子，误差仅 1e-13 — MistralAI · 2026-11-02
- Fable 5.5 发布周将至，大号预告"很快见" — iruletheworldmo · 2026-11-02
- 亚马逊 CEO:未来只需 6-8 个 AI 模型就能满足大多数企业工作 — YvesMulkers · 2026-11-02
- 印度 IndiaAI 扶持的 ZenteiQ 明日发布自研基础模型 — deepakns · 2026-11-02
- Sam Altman:破解 Navier-Stokes 的正是「下一个 GPT」,1 万 agent 跑 4 天 — Hesamation · 2026-11-02
- 特斯拉 FSD 里程即将突破 170 亿英里,每小时新增 180 万英里 — XFreeze · 2026-11-02