Датасет · HuggingFaceBio
Данные обучения Carbon-X для чтения ДНК
HuggingFaceBio/FineDNA
Три стадии обучения Carbon-X: mid-training, SFT и RL на текстах, диалогах и промптах по ДНК.
Что внутри
FineDNA — тренировочные данные Carbon-X, модели, которая учила Qwen3-14B читать ДНК, для всех трёх стадий обучения. Mid-training содержит 514,30 млрд токенов по 23 источникам, из них в запуске прочитано 302 млрд; SFT — 203 923 диалога на 230,3 млн токенов; RL — 98 433 промпта на 61,1 млн токенов. Язык — английский, модальность — текст.
Что можно сделать
- Обучить LLM для задач по ДНК
- Дообучить Qwen3-14B на SFT-диалогах
- Проверить RL-пайплайн на промптах по геномике
- Задачи
- Генерация текста
- Языки
- Английский
- Размер
- 100M–1B записей
- Скачиваний за месяц
- 13,6 тыс.
- Лайков
- 69
Как загрузить
from datasets import load_dataset
ds = load_dataset("HuggingFaceBio/FineDNA")