Destillation von Genomik-Modellen für effizientes mRNA-Repräsentations-Learning durch Embedding Matching

arXiv:2604.08574v1 Ankündigungstyp: neu Abstract: Große Genomik-Foundation Models haben kürzlich bemerkenswerte Ergebnisse und In-vivo-Translationsfähigkeiten erreicht. Diese Modelle wachsen jedoch schnell auf mehrere Milliarden Parameter und sind teuer zu betreiben, wenn die Rechenressourcen begrenzt sind