Hugging Science

Hugging Science é um índice curado e amigável para LLMs de datasets científicos, modelos, posts de blog e demonstrações interativas para pesquisadores de ML. Use-o para encontrar recursos candidatos, depois verifique a documentação do autor e a adequação científica; a curadoria não estabelece qualidade, abertura ou compatibilidade executável.

Existem duas superfícies relacionadas, e você deve usar ambas:

• O catálogo em huggingscience.co — um índice estático e analisável de recursos em 17 domínios científicos. Ele expõe llms.txt (compacto), llms-full.txt (conteúdo completo) e topics/<slug>.md (por domínio). Estes são arquivos markdown projetados para serem buscados e lidos.
• A organização Hugging Face hugging-science — huggingface.co/hugging-science — datasets e modelos enviados pela comunidade, e uma coleção em constante mudança de Spaces Gradio, Docker e estáticos. Nem toda listagem expõe uma API de inferência.

O catálogo aponta para recursos hospedados no Hugging Face Hub mais amplo. Por exemplo, ESM2 suporta Transformers, enquanto Evo2 requer seu runtime nativo e OpenGenome2 precisa de tratamento explícito de formato de arquivo. O catálogo fornece descoberta; use cada recurso através de seu loader ou serviço verificado.

Quando usar esta habilidade

Engaje esta habilidade quando a tarefa do usuário envolver IA/ML aplicado à ciência. Sinais comuns:

• Nomeia um domínio científico (proteína, genoma, molécula, cristal, clima, galáxia, EEG, microbioma, patologia, plasma, …)
• Pergunta "existe um dataset/modelo para X" onde X é científico
• Deseja fazer fine-tuning em dados científicos, avaliar em benchmarks científicos ou reproduzir um artigo de ML científico
• Pergunta sobre modelos científicos específicos conhecidos (Evo-2, ESM2, BoltzGen, Nucleotide Transformer, derivado de AlphaFold, etc.)
• Precisa de uma demonstração interativa para uma tarefa científica (design de ligantes, prova de teoremas, etc.)

Se a tarefa for ML genérico (sistemas de recomendação, RAG de chatbot, visão em gatos e cachorros), esta habilidade não é a ferramenta certa — recorra ao conhecimento geral do HF Hub em vez disso.

Fluxo de trabalho principal

A maioria das invocações segue este loop de cinco etapas. Comece com o tópico relevante, depois avalie o recurso subjacente independentemente.

1. Identifique o(s) domínio(s)

Mapeie a tarefa do usuário para um ou mais dos 17 slugs de tópicos:

astronomy · benchmark · biology · biotechnology · chemistry · climate · conservation · earth-science · ecology · energy · engineering · genomics · materials-science · mathematics · medicine · physics · scientific-reasoning

Algumas tarefas abrangem múltiplos tópicos (por exemplo, descoberta de drogas → chemistry + biology + medicine). Busque cada tópico relevante.

2. Busque o conteúdo relevante do catálogo

Use o script empacotado para acesso limpo e estruturado:

python scripts/fetch_catalog.py topic biology
python scripts/fetch_catalog.py topic materials-science --filter models
python scripts/fetch_catalog.py search "protein language model"
python scripts/fetch_catalog.py all     # full llms-full.txt

Você também pode buscar o markdown bruto diretamente:

• https://huggingscience.co/llms.txt — índice compacto
• https://huggingscience.co/llms-full.txt — cada entrada, cada domínio
• https://huggingscience.co/topics/<slug>.md — um domínio (o slug é hifenizado, por exemplo, materials-science.md, earth-science.md, scientific-reasoning.md)

Cada entrada é um bloco markdown com Type, Tags, URL HuggingFace (ou Link para blogs), e uma descrição de uma linha. Veja references/topics-and-slugs.md para o esquema de entrada e a lista de slugs.

3. Escolha o(s) recurso(s) certo(s)

Leia as descrições e tags. Combine com a tarefa do usuário com julgamento, não com sobreposição de palavras-chave. Coisas a ponderar:

• Adequação de escala — Evo-2 40B é exagero para uma classificação rápida de sequências em um laptop; ESM2 35M pode ser perfeito.
• Licença e acesso — a maioria é aberta, mas verifique o card do modelo HF subjacente.
• Alinhamento de modalidade — DNA vs. proteína vs. SMILES vs. estrutura cristalina; muitos modelos de "biologia" não são intercambiáveis.
• Recência / substituição — se uma entrada mais antiga e uma mais nova cobrem a mesma tarefa, prefira a mais nova, a menos que haja um motivo para não fazê-lo.

Explique os tradeoffs materiais entre candidatos plausíveis. Prossiga com o melhor ajuste quando os requisitos da tarefa resolverem a escolha; pergunte apenas se uma preferência ausente mudaria materialmente o resultado.

Para escolhas padrão específicas do domínio (as entradas "em caso de dúvida, comece aqui"), veja references/flagship-resources.md.

4. Use o recurso

…