HuggingFaceBio / carbon-pretraining-corpus
DNA和RNA序列的基因组预训练语料，覆盖真核与原核物种。
关键规格
HF 热度2,856 下载 · 17 收藏观测于 2026-05-22
源仓库更新2026-05-14
仓库许可不等于数据内容权利已全部清理，商用仍需核对数据来源、隐私与版权条款。
采用判断
项目方资料核对 · 1 个来源 · 核验于 2026-07-22
该数据集以真核生物序列为主，非真核支系覆盖不足，采用前需评估目标生物类群是否匹配。[1]
采用前注意
- Carbon-3B 的预训练语料以真核生物基因组与转录组序列为主，原核生物、古菌等非真核支系的代表性偏低，在非真核任务上泛化能力可能受限。[1]
本段综合依据
- HuggingFaceBio/Carbon-3B ↗huggingface.co