/ Модель

Характеристики

Контекст
1 024 токена
Параметры
126 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
22 авг 2026

slm125m-live

Генерация текстаТекст → текст3 профессии

Небольшая базовая модель Llama для генерации английского текста, обученная с нуля преимущественно на юридических и финансовых данных.

68скачиваний за 30 дней0лайковвеса обновлены22 авг 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

Anand Haridas разработал slm125m-live — базовую языковую модель с архитектурой Llama и 125,8 млн параметров, предварительно обученную с нуля на корпусе с юридическими и финансовыми текстами. Модель использует собственный токенизатор byte-level BPE на 16 384 токена и контекст до 1 024 токенов; веса доступны в формате safetensors, лицензия — Apache-2.0.

Модель предназначена для генерации продолжений текста на английском языке и экспериментов с небольшими языковыми моделями, в том числе в учебных целях. В обучающий корпус вошли судебные решения США, документы SEC и образовательные веб-тексты; по приведённой оценке perplexity модель лучше справляется с SEC-текстами, чем с остальной выборкой.

Это базовая модель без дообучения на инструкциях, RLHF и настройки безопасности. Она может выдумывать факты и не подходит для юридических или финансовых рекомендаций; в данных судебных решений сохранились ошибки OCR, а финансовые тексты смещены в сторону старых документов SEC.

Сценарии применения

  • эксперименты с компактной языковой моделью
  • учебные демонстрации предварительного обучения LLM
  • генерация продолжений англоязычных юридических текстов
  • генерация продолжений финансовых документов SEC
  • оценка языковой модели на корпусах судебных решений и финансовых документов

Ограничения

Базовая модель не обучена следовать инструкциям и не имеет настройки безопасности, поэтому может выдумывать факты и не подходит для юридических или финансовых рекомендаций. Контекст ограничен 1 024 токенами; судебные тексты содержат остаточный шум OCR, а финансовые данные смещены к старым документам SEC.

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

slm125m-live

A 125M-parameter Llama-architecture language model pretrained from scratch on a legal- and finance-heavy corpus. Trained end to end on Modal; the tokenizer is also trained from scratch on this corpus (16,384-token byte-level BPE).

This is a base model. It has had no instruction tuning, no RLHF, and no safety alignment. At 125M parameters it will confabulate freely — it is a research and teaching artifact, not a source of legal or financial advice.

Architecture

Parameters125,847,552 (125.8M)
Layers / hidden / heads12 / 768 / 12 (MHA)
Context length1024
Vocab16,384 (byte-level BPE, trained on this corpus)
Position encodingRoPE (theta 10000)
Activation / normSwiGLU / RMSNorm
Tied embeddingsyes

Training data (2.04B unique tokens)

SourceTokensShare
case-law716M35.1%
sec860M42.2%
fineweb-edu465M22.8%

Built from HFforLegal/case-law (US court opinions), PleIAs/SEC (SEC filings) and HuggingFaceFW/fineweb-edu (sample-10BT, general fluency filler). The legal sources are the binding constraint: together they hold only ~2B clean tokens, so the mix is "take all the legal text, add a small web slice" rather than a chosen ratio.

Pipeline: stream -> 6-step deterministic clean (line filters, boilerplate strip, 4-gram repetition, ASCII/langdetect English gate, dictionary-based OCR gate on case-law) -> MinHash near-dedup + exact dedup -> 13-gram decontamination against CaseHOLD/LexGLUE -> pack into 1024-token windows, 99/1 train/val split.

Training

Tokens seen8.16B (4 epochs)
Steps15,568
Global batch524,288 tokens
OptimizerAdamW (betas 0.9/0.95, wd 0.1, clip 1.0)
LR schedulecosine 0.0006 -> 6e-05, 200M warmup tokens
Precisionbf16 autocast, fp32 master weights
Hardware8x NVIDIA H100 (DDP, single node)
Final val loss2.1228

Evaluation (held-out 1% split)

SplitPerplexity
ALL8.31
case-law8.68
sec4.80
fineweb-edu21.61

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("AnandHaridas1980/slm125m-live")
model = AutoModelForCausalLM.from_pretrained("AnandHaridas1980/slm125m-live")

ids = tok("The plaintiff filed a motion to dismiss on the grounds that", return_tensors="pt")
print(tok.decode(model.generate(**ids, max_new_tokens=60, do_sample=True, top_p=0.95)[0]))

Limitations

Base model, English only, 1024-token context. The case-law source is OCR'd and retains some scanning noise despite the dictionary gate. Training data is skewed to older SEC filings. Do not use for legal or financial advice.

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
3fe9293

0 моделей