Команда Hugging Face Bio опубликовала FineDNA — данные всех трёх этапов обучения Carbon-X, модели для вопросов о ДНК обычным языком. Репозиторий создан 30 октября. Саму модель dok.news уже освещал; теперь доступен и подготовленный обучающий материал с описанием смеси источников.

FineDNA позволяет изучать и менять состав обучения, а не только пользоваться готовыми весами. Корпус основного этапа содержит около 514 млрд токенов — единиц, которыми модель обрабатывает текст и последовательности. Carbon-X прочитала из него 302 млрд: некоторые части использовались повторно, другие — частично. Это смесь ДНК, биологических публикаций, английских текстов и инструкций, а не 514 млрд новых генетических наблюдений.

Следующие этапы включают около 204 тысяч обучающих диалогов и 98 тысяч заданий с проверяемыми ответами или ограничениями. В наборе есть как вычисленные по последовательности ответы, так и синтетические описания геномных участков, созданные Gemini. Открытый состав помогает проверять, чему именно учили модель; сам по себе он не подтверждает правильности всех примеров или воспроизводимости качества.

FineDNA доступен без заявки, общий объём файлов — около 955 ГБ. Набор выпущен под Apache 2.0, но сторонние источники сохраняют собственные лицензии и условия. Открытие данных расширяет возможность самостоятельного обучения и проверки; клинически проверенным инструментом Carbon-X от этого не становится.