/ Модель

Характеристики

Контекст
1 024 токена
Параметры
126 млн
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
22 июл 2026

slm-125m-e4

Генерация текстаТекст → текст3 профессии

Базовая LLaMA-модель на 125,8 млн параметров, продолжительно предобученная на юридических и финансовых текстах США для генерации и дальнейшей адаптации текста.

48скачиваний за 30 дней0лайковвеса обновлены22 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Ace-2504 разработала SLM-125M-e4 — плотную авторегрессионную модель семейства LLaMA на 125,8 млн параметров, предназначенную для продолженного предобучения на юридических и финансовых текстах США. Это четвёртый этап серии: модель продолжает обучение Ace-2504/slm-125m-e2 ещё на два прохода по тому же корпусу объёмом около 2,5 млрд токенов. В README сообщается, что на проверочных данных показатель perplexity снизился с 9,86 до 9,44, а потери на тестах по отчётности SEC, судебным решениям США и FineWeb-Edu уменьшились.

Модель имеет 12 слоёв, размер скрытого состояния 768, 12 голов внимания, контекст 1024 токена, RoPE, RMSNorm, SwiGLU и словарь из 16 384 токенов. Это базовая модель, не настроенная на выполнение инструкций; она предназначена для продолжения обучения и генерации текста, а не для диалога по пользовательским инструкциям. Доступна в формате safetensors на Transformers под лицензией MIT.

Сценарии применения

  • генерация продолжений юридических документов США
  • адаптация небольшой языковой модели к финансовым текстам
  • продолжение предобучения на корпусах судебных решений и отчётности SEC

Ограничения

Модель не настроена на выполнение инструкций и имеет короткое окно контекста в 1024 токена. Обучение ориентировано на тексты США, поэтому её пригодность для других правовых систем и языков не подтверждена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SLM-125M-e4 — 4 epochs on the rebuilt 2.5B-token corpus

A 125M-parameter LLaMA-style model for US legal/financial text, and the fourth epoch-milestone in a continued-pretraining series:

slm-125m-base (v1) → extended → e2 (2 epochs on the rebuilt 2.5B corpus) → e4 (this model — 2 further epochs on the same corpus, 4 epochs total).

This run continued Ace-2504/slm-125m-e2 for 2 more epochs (9,440 steps, ~4.95B tokens; ~2.47B per epoch) on the same rebuilt 2.5B-token corpus (stricter OCR gate, exhausted case-law source). Fresh cosine schedule, peak LR 3e-4 → floor 3e-5, one A100-40GB. It exists to answer a research question: once continued pretraining has already recovered, do further epochs on the same in-distribution data keep improving a small model, or start to overfit and forget?

Result: further epochs improved every domain — no forgetting

Validation perplexity fell from e2's 9.86 to 9.44. Measured against e2's exact endpoint on the held-out forgetting probe, all three domains improved rather than regressing — the transient rise while the fresh cosine LR peaked was fully recovered and surpassed:

Domainloss at e2 startloss at e4 endchange
SEC filings1.74701.6977−2.82%
US case law2.28282.2324−2.21%
FineWeb-Edu3.15803.0987−1.88%

So on this in-distribution corpus, a second round of continued pretraining behaves as pure improvement, not catastrophic forgetting — the opposite of what the single-epoch out-of-distribution extended run showed on SEC text.

Architecture

12 layers, 768 hidden, 12 heads, 1024 context, RoPE (θ=10000), RMSNorm, SwiGLU, tied embeddings, vocab 16,384 (125.8M params). Same tokenizer and embedding matrix as slm-125m-base, so token ids mean exactly what they did in v1 training.

Not instruction-tuned — this is a base model. Use Ace-2504/slm-125m-base for the original, or Ace-2504/slm-125m-e2 for the 2-epoch checkpoint.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
bf8ca36

0 моделей