/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
69,1 млн
Лицензия
Apache 2.0
Архитектура
keylm75m · dense
Библиотека
transformers
Опубликована
29 мая 2026

KeyLM-75M

Генерация текстаТекст → текст3 профессии

Компактная англоязычная базовая языковая модель для продолжения текста и экспериментов с генерацией.

285скачиваний за 30 дней18лайковвеса обновлены29 мая 2026

Бенчмарки

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

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

KeyLM-75M — компактная базовая языковая модель MinimaLabs, обученная с нуля примерно на 18 млрд токенов. По метаданным в ней 69,1 млн параметров; README приводит точное значение 75 251 200. Это декодерный трансформер с grouped-query attention, RoPE, слоями SwiGLU и нормализацией QK-RMSNorm. Модель принимает текст и предназначена для его продолжения; контекст составляет 2048 токенов.

Модель подходит для генерации продолжений и экспериментов с небольшими языковыми моделями. Она обучена преимущественно на английских данных и не настроена на выполнение инструкций или диалог: для чата разработчик рекомендует KeyLM-75M-Instruct. README отмечает слабые знания о мире и низкую пригодность для ответов на фактические вопросы, рассуждений, математики и программирования; модель также не имеет защитного выравнивания. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с компактными языковыми моделями
  • изучение работы декодерных трансформеров
  • оценка базовой генерации текста на небольшом чекпойнте

Ограничения

Модель не настроена на инструкции и диалог; знания о мире ограничены, а ответы на фактические вопросы, рассуждения, математика и код не являются подходящими задачами. Она не имеет защитного выравнивания.

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

KeyLM-75M

KeyLM-75M is a 75M parameter base language model trained from scratch on approximately 18 billion tokens. That training budget is a small fraction of what comparable small models use (SmolLM-135M was trained on roughly 600B tokens, SmolLM2-135M on roughly 2T).

This is the base model: a text-completion model, not instruction-tuned. For chat and instruction following, use KeyLM-75M-Instruct.

Table of Contents

  1. Model Summary
  2. How to Use
  3. Evaluation
  4. Training
  5. Limitations
  6. License
  7. Citation

Model Summary

KeyLM is a compact decoder-only transformer built on the standard small-model recipe used by Llama and Qwen3: grouped-query attention, rotary position embeddings (RoPE), SwiGLU feed-forward layers, and per-head QK-RMSNorm.

FieldValue
Parameters75,251,200
Layers24
Hidden size512
Attention heads8 (2 KV heads, GQA)
Context length2048
Vocabulary12,020 (ByteLevel BPE)
Precisionbfloat16
Training tokens~18B

How to Use

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Eclipse-Senpai/KeyLM-75M"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id, trust_remote_code=True, torch_dtype=torch.bfloat16
)

inputs = tokenizer("The three primary colors are", return_tensors="pt")
outputs = model.generate(
    **inputs, max_new_tokens=40, do_sample=True,
    temperature=0.7, top_p=0.9, repetition_penalty=1.1,
)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Evaluation

On zero-shot benchmarks (lm_eval; accuracy, with length-normalized accuracy for ARC and HellaSwag) KeyLM is modest but above random on basic commonsense, and at chance on knowledge-heavy tasks.

BenchmarkKeyLM-75M (base)KeyLM-75M-InstructRandom
IFEval (4-metric avg)—17.85—
MMLU23.024.025.0
ARC (avg)29.930.825.0
HellaSwag29.731.025.0
PIQA60.061.350.0
WinoGrande48.448.350.0
OpenBookQA25.025.025.0

Instruction tuning leaves knowledge and reasoning roughly unchanged, its effect is the instruction-following ability (IFEval) the base lacks.

Training

KeyLM-75M was pretrained from random initialization on approximately 18B tokens, drawn from a weighted mixture of public datasets streamed through a deterministic curriculum.

CategoryShareSources
Formal / quality~30%FineWeb-Edu, Wikipedia
Casual / social~30%Reddit comments, StackExchange
Conversational~25%WildChat, UltraChat, LMSYS-Chat, OASST2
Structured knowledge~5%Cosmopedia
Typo augmentation~10%Synthetic (contrastive)

The instruction-tuned model built on this base is available at KeyLM-75M-Instruct.

Limitations

  • Minimal world knowledge. Not suitable for factual question answering, reasoning, math, or code.
  • Base model: it completes text and does not follow instructions or hold a conversation. Use the Instruct version for chat.
  • English only.
  • No safety alignment. Apply your own filtering before any user-facing use.

License

Apache 2.0. The weights are trained from scratch and free to use, modify, and redistribute.

Citation

@misc{keylm75m2026,
  title  = {KeyLM-75M: a from-scratch small language model},
  author = {Eclipse-Senpai},
  year   = {2026},
  howpublished = {\url{https://huggingface.co/Eclipse-Senpai/KeyLM-75M}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
KeyLM75M
Ревизия весов
cca834b

0 моделей