/ Модель

Характеристики

Контекст
1 024 токена
Параметры
126 млн
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
slm-125m-e4
Библиотека
transformers
Опубликована
25 июл 2026

slm-125m-sft

Генерация текстаТекст → текст

Малая англоязычная LLaMA-модель отвечает на вопросы по предоставленному тексту и предназначена для экспериментов с обучением SLM.

31скачиваний за 30 дней0лайковвеса обновлены25 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/slm-125m-sft — языковая модель, дообученная Harman Sandhu из Vizuara AI Labs для ответов на вопросы по предоставленному тексту. Это полное дообучение плотной LLaMA-архитектуры LlamaForCausalLM на 125,8 млн параметров; модель принимает текстовый фрагмент с вопросом и отвечает по его содержанию, а при отсутствии ответа в тексте должна воздерживаться от ответа. Контекст — 1024 токена, поддерживается английский язык.

Модель предназначена для изучения обучения малых языковых моделей и сравнительных экспериментов, а не для профессионального применения. Её обучали на 15 000 парах вопросов и ответов, составленных по юридическим, финансовым и образовательным материалам США. На отложенном наборе из 500 вопросов она получила 3,60 из 10 по оценке LLM-судьи; авторы отмечают ограниченное знание мира и риск уверенных, но неверных ответов без опорного текста. Модель не подходит для юридических или финансовых решений и не должна использоваться как источник профессиональной консультации. Лицензия — MIT.

Сценарии применения

  • ответы на вопросы по предоставленному юридическому тексту
  • ответы на вопросы по финансовым документам и SEC-отчётам
  • извлечение ответа из заданного фрагмента текста
  • эксперименты с дообучением малых языковых моделей
  • сравнение этапов обучения и выравнивания SLM

Ограничения

Модель имеет низкий результат на указанной оценке (3,60/10) и ограниченные знания мира; без предоставленного текста может выдавать уверенные, но неверные ответы. Она предназначена для исследований и сравнений, а не для юридических или финансовых решений; оценка выполнена LLM-судьёй, не калиброванным по человеческим меткам.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

slm-125m-sft

125M · QA SFT — answers a question from a supplied passage, and declines when the answer is not there.

One of 13 models in a controlled study of how far a small language model can be pushed on US legal and financial text. Every version was trained on the same data, evaluated on the same frozen held-out set, and scored by the same blind LLM judge, so the stages are directly comparable. Compare them side by side in the SLM Arena.

Trained and aligned by Harman Sandhu (Vizuara AI Labs).

At a glance

Base modelAce-2504/slm-125m-e4
Methodfull fine-tune
Parameters125.8M
Trainable parameters125.8M (all)
Training data15,000 grounded QA pairs
Schedule3 epochs · 2,812
Compute9.7 min on L4 (Modal)
Cost$58.52 total lineage
Judge score3.60 / 10

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

MODEL = "Ace-2504/slm-125m-sft"
model = AutoModelForCausalLM.from_pretrained(MODEL, torch_dtype=torch.bfloat16).eval()
tok = AutoTokenizer.from_pretrained(MODEL)

SYS = ('You are a precise legal and financial assistant. Answer clearly using the '
       'provided context; do not invent facts.')
user = 'Context:\n<passage>\n\nQuestion: <your question>'

# Custom chat scheme. NOTE: never prepend <|bos|> — it was left untrained.
prompt = f'<|system|>\n{SYS}<|eos|>\n<|user|>\n{user}<|eos|>\n<|assistant|>\n'
enc = tok(prompt, return_tensors='pt', add_special_tokens=False).to(model.device)
eos = tok.convert_tokens_to_ids('<|eos|>')
out = model.generate(**enc, max_new_tokens=160, eos_token_id=eos,
                     pad_token_id=eos)   # pad and eos share an id here
print(tok.decode(out[0, enc['input_ids'].shape[1]:], skip_special_tokens=True))

Evaluation

Scored on 500 decontaminated held-out questions (chunk-level dedup against public legal benchmarks, so no evaluation passage was trained on). Every model in the study answered the identical questions with deterministic greedy decoding, and a Gemini judge blind to the model graded each answer with the gold answer in hand.

MetricValue
Judge score (0–10 rubric)3.60
Judged correctness (0–1)0.261
Groundedness45.6%
Fabrication ↓6.2%
Token-F10.229
n500

By source:

US case lawSEC filingsEducational web
3.23.943.59

The 0–10 figure is a four-dimension rubric (correctness 0–5 + completeness 0–2 + groundedness 0–2 + clarity 0–1). The 0–1 figure is the stricter correctness-only scale used in the experiment reports. Same questions, same answers, same judge — different scale, so the two numbers differ.

Token-F1 is reported for completeness and should not be read as quality: it punishes correct paraphrase heavily, which is exactly why the judge carries the headline.

Architecture

ClassLlamaForCausalLM
Layers12
Hidden size768
Attention12 heads · head dim 64 · full MHA
Feed-forwardSwiGLU · inner 3,072
PositionalRoPE · θ 10,000
NormRMSNorm · ε 1e-5
Context1,024 tokens
Vocabulary16,384 · byte-level BPE
Embeddingstied input/output

Training

  • Initialised from Ace-2504/slm-125m-e4
  • Method — full fine-tune
  • Data — 15,000 grounded QA pairs, generated from a legal/financial corpus and gated by an LLM judge for faithfulness
  • Schedule — 3 epochs · 2,812, 9.7 min on L4
  • Loss is masked to the answer tokens only, so the model is never trained to reproduce the prompt

Cost — $58.52. This line was pretrained from scratch, so the total includes the base: $57.79 of A100 time across four pretraining legs (v1 → extension → e2 → e4, 27.5 h at $2.10/h) plus $0.73 for this fine-tune. Models built on someone else's base do not carry that cost.

Limitations and intended use

  • Not legal or financial advice. This is a research artefact for studying small-model training, not a professional tool. Do not rely on its output for real decisions.
  • At 125.8M it holds very little world knowledge. It is built to read an answer out of a passage you supply, not to recall facts. Used closed-book it will produce fluent, confident and wrong text.
  • This checkpoint scores 3.60/10 — it is published for comparison across training stages, not because it is good. See the arena for why.
  • The judge behind these scores has not been calibrated against human labels, so treat small differences between models cautiously.
  • English only; the corpus is US case law, SEC filings and educational web text.

The rest of the family

SizeBaseQA SFTRAFTDPORLAIF
125Mslm-125m-e4slm-125m-sftslm-125m-raftslm-125m-sft-dposlm-125m-sft-rlaif
500Mslm-500m-baseslm-500m-sftslm-500m-raftslm-500m-sft-dposlm-500m-sft-rlaif
Gemma 2Bgemma-2-2b-itgemma-2-2b-sftgemma-2-2b-raftgemma-2-2b-sft-dpogemma-2-2b-sft-rlaif

All under Ace-2504 except the two imported bases.

This model has its own write-up — training details, cost breakdown and live demo — at https://slm-125m-qa-harman.vercel.app.

Citation

@misc{sandhu2026slm,
  title  = {Small Language Models for Legal and Financial Text: a controlled study of
            pretraining, instruction tuning, retrieval augmentation and alignment},
  author = {Harman Sandhu},
  year   = {2026},
  note   = {https://slm-arena-harman.vercel.app}
}

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
c3579e3

0 моделей