/ Модель

Характеристики

Контекст
1 024 токена
Параметры
126 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
slm125m-live
Библиотека
transformers
Опубликована
23 авг 2026

slm125m-live-sft

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная Llama, дообученная для ответов на вопросы по предоставленному юридическому или финансовому тексту и отказов при недостатке контекста.

28скачиваний за 30 дней0лайковвеса обновлены23 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

AnandHaridas1980 выпустил slm125m-live-sft — дообученную методом полного supervised fine-tuning модель Llama для ответов на вопросы по предоставленному фрагменту текста в юридических и финансовых сценариях. Модель содержит 125,8 млн параметров, работает с текстом и имеет контекстное окно 1 024 токена. Она обучена на 2 620 парах вопрос–ответ на английском языке и рассчитана на однократный запрос в заданном шаблоне: ответить только по контексту или сообщить, что ответа в нём нет.

В тесте на 200 отложенных примерах модель лучше базовой отказывалась отвечать, когда контекста недостаточно, однако правильно отвечала примерно на 21% вопросов, ответ на которые действительно содержался в тексте. Поэтому её можно использовать как недорогой предварительный компонент для маршрутизации отказов, но ответы и факты необходимо проверять по источнику. Модель не обучалась на нерелевантных фрагментах, не предназначена для многошаговых рассуждений и многоходового диалога; контекст ограничен 1 024 токенами. Лицензия — Apache-2.0.

Сценарии применения

  • предварительное извлечение фактов из юридического фрагмента
  • проверка, содержится ли ответ на вопрос в документе
  • отказ от ответа, если предоставленный контекст недостаточен

Ограничения

На вопросы с ответом в контексте модель отвечала правильно примерно в 21% случаев; проверяйте каждую цифру, дату и имя по источнику. Модель обучена только на одном релевантном фрагменте, рассчитана на один ход и контекст до 1 024 токенов; многошаговые рассуждения ненадёжны.

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-sft

The 125.8M-parameter legal/financial model AnandHaridas1980/slm125m-live after supervised fine-tuning on 2,620 grounded question-answer pairs.

The base model continues text. This one answers a question from a passage you supply, or says the passage does not contain the answer.

What changed

Measured on 200 held-out pairs never seen in training, greedy decoding, judged by gemini-3.6-flash against the source passage.

BaseFine-tuned
Correct (judged)3.0%36.0%
Grounded in the passage11.5%69.5%
Hallucinated88.0%30.0%
Emitted a stop token1.7%98.3%
Refused an unanswerable question0.0%80.0%
Wrongly refused an answerable one0.0%2.5%
Validation loss (answer tokens)2.0611.145
Mean tokens generated94.722.6

Accuracy by question type:

TypeBaseFine-tuned
lookup (fact stated in the passage)5.8%27.2%
reasoning (one or two inference steps)0.0%9.6%
unanswerable (correct answer is a refusal)0.0%86.7%

Read this before using it

The 36% headline is carried by refusals. On questions that genuinely have an answer in the passage it is right about 21% of the time. On questions that do not, it is right 86.7% of the time.

In plain terms: this model learned when not to answer far better than how to answer. It reliably produces a well-formed, correctly terminated, confident-sounding response — and that response is frequently wrong on specifics. Every failure looks like a competent answer.

Verify every figure, date and name against the passage. Do not use this as an answer service.

It is useful as a component: a cheap first-pass reader whose refusals are trustworthy enough to route on. It is not useful as an authority.

Prompt format (required)

The model was trained on exactly one prompt shape. Deviating from it degrades output silently.

<|bos|><|system|>You are a legal and financial assistant.
Answer only from the provided context.
If the context is not enough, say you do not know.<|user|>Context:
{passage}

Question: {question}<|assistant|>

Generate from there; the model emits the answer then <|eos|>.

import torch
from transformers import AutoTokenizer, LlamaForCausalLM

tok = AutoTokenizer.from_pretrained("AnandHaridas1980/slm125m-live-sft")
model = LlamaForCausalLM.from_pretrained("AnandHaridas1980/slm125m-live-sft", torch_dtype=torch.bfloat16).eval()
model.config.use_cache = True          # ships False from training; 6x slower without it

SYSTEM = ("You are a legal and financial assistant.\n"
          "Answer only from the provided context.\n"
          "If the context is not enough, say you do not know.")

def ask(passage, question, max_new_tokens=128):
    prompt = (f"<|bos|><|system|>{SYSTEM}<|user|>Context:\n{passage}\n\n"
              f"Question: {question}<|assistant|>")
    ids = tok(prompt, return_tensors="pt", add_special_tokens=False).input_ids
    out = model.generate(ids, max_new_tokens=max_new_tokens, do_sample=False,
                         eos_token_id=tok.convert_tokens_to_ids("<|eos|>"),
                         pad_token_id=tok.convert_tokens_to_ids("<|pad|>"))
    return tok.decode(out[0, ids.shape[1]:], skip_special_tokens=True).strip()

print(ask("Net revenue rose 12.4% to $48,300,000 in fiscal 2025.",
          "What was net revenue in fiscal 2025?"))

With no passage it should refuse. That is trained behaviour, not a bug — it has no useful world knowledge and was never meant to.

Training

MethodFull SFT (not LoRA); loss on assistant tokens only
Data2,620 pairs generated from the base model's own corpus by gemini-3.6-flash, judged by a second call, deduplicated by embedding, decontaminated against the eval split
Mixcase-law 39.7% / SEC 39.8% / educational web 20.6%
Typeslookup 50.4% / reasoning 28.3% / unanswerable 21.3%
Steps120 (3 epochs), global batch 65,536 tokens
Supervised tokens seen228,458
LR3e-5 cosine to 3e-6, 10-step warmup
Hardware1x L40S, 3.0 minutes
Cost$7 total ($6.38 dataset, ~$0.10 training)

Validation loss bottomed at step 80 (1.1143) and drifted to 1.1449 by step 120; the published checkpoint is step 120. Two epochs would likely have been better.

Limitations

  • Not RAFT. Every training example contained exactly one passage, always the correct one. The model has never seen an irrelevant passage, so behind a real retriever returning mixed chunks it is out of distribution.
  • Context limit 1,024 tokens, including the passage.
  • Single turn only. No multi-turn conversation was trained.
  • English only; US case law and SEC filings.
  • Reasoning accuracy is 9.6%. Do not use it for multi-step inference.
  • Judged by a model from the same family that generated the training data, which is a weaker check than an independent evaluator.

Full write-up

The complete build — dataset construction, cost model, every failure — is documented in doc/sft/ of the project repository, alongside the pretraining book for the base model.

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
5dc1e56

0 моделей