carbon

Carbon 是一个面向基因组学的因果语言模型系列，专为DNA/RNA序列建模设计。其核心基于大规模预训练（1T tokens，约6T碱基对），采用混合分词器（英文用BPE、DNA用6-mer），支持零样本序列恢复、变异效应预测与扰动分析等任务，并提供标准化评估与微调工具链。项目强调可复现性，整合了此前分散在各仓库中的DNA零样本评测基准。适用于生物信息学研究、基因功能预测、计算生物学建模等场景，尤其适合需要开箱即用基因组基础模型的研究者与开发者。