/ Модель

Характеристики

Контекст
8 192 токена
Параметры
134 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
trlm-stage-2-sft-final-2
Библиотека
transformers
Опубликована
28 сен 2025

trlm-135m

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная Llama-модель для диалогов, следования инструкциям и экспериментов с пошаговыми рассуждениями.

74скачиваний за 30 дней46лайковвеса обновлены28 сен 2025

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

Tiny Reasoning Language Model (trlm-135) — исследовательский прототип языковой модели на 135 млн параметров, разработанный на базе SmolLM2-135M-Instruct. Это плотный decoder-only трансформер семейства Llama; модель дообучена в три этапа: на инструкциях, на примерах с цепочками рассуждений и методом DPO для согласования стиля ответов. Она предназначена для диалогов, следования инструкциям и экспериментов с пошаговыми рассуждениями на английском языке.

Контекст составляет 8192 токена. Модель показала результаты на ARC Challenge, BBH и BoolQ, однако часто допускает галлюцинации и логические ошибки, а небольшой размер ограничивает объём общих знаний и глубину рассуждений. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на повседневные вопросы на английском языке
  • выполнение текстовых инструкций
  • генерация пошаговых рассуждений
  • эксперименты с обучением и согласованием малых языковых моделей

Ограничения

Модель часто допускает галлюцинации и логические ошибки; из-за небольшого размера её общие знания и глубина рассуждений ограничены. Многоязычные возможности не исследованы.

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

Tiny Reasoning Language Model (trlm-135)

image/png

Table of Contents

  1. Model Summary
  2. Post-Training Pipeline
  3. How to use
  4. Training
  5. Evaluation
  6. Limitations
  7. Acknowledgements
  8. License

Model Summary

The Tiny Reasoning Language Model (trlm-135) is a 135M parameter research prototype designed to study how small models can learn step-by-step reasoning. It was built on top of SmolLM2-135M-Instruct and fine-tuned through a 3-stage pipeline:

The code for everything can be found here


Post-Training Pipeline


How to use

pip install -U transformers accelerate
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Shekswess/trlm-135m"
device = "cuda"  # or "cpu"

# Load tokenizer & model
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
).to(device)

# Example prompt
prompt = "Give me a brief explanation of gravity in simple terms."
messages = [
    {"role": "user", "content": prompt}
]

# Apply chat template
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)

inputs = tokenizer([text], return_tensors="pt").to(model.device)

# Generate
outputs = model.generate(**inputs, max_new_tokens=256)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

[!TIP] For reasoning-heavy tasks, set temperature=0.6 and top_p=0.95.


Training

Model

  • Architecture: Decoder-only transformer (SmolLM2 backbone which infact is Llama 3 based model).
  • Parameters: ~135M.
  • Precision: mix-precision (bfloat16) during training.

Software & Hardware

  • Training Frameworks: PyTorch (ROCm), Hugging Face Transformers & TRL.
  • Hardware: AMD MI300X (192GB VRAM, 224GB RAM).

Special thanks to @HotAisle

Training Stages

  1. Stage 1 – SFT (non-reasoning)
    • ~58k samples, everyday conversations & instruction following.
  2. Stage 2 – SFT (reasoning)
    • ~78k samples with <think> segments.
  3. Stage 3 – DPO (alignment)
    • ~50k preference pairs (chosen vs. rejected reasoning traces).

Evaluation

Evaluation was done with lm-eval-harness:

BenchmarkTiny Reasoning Language Model (trlm-135M)SmolLM2-135M-InstructImprovements
ARC Challenge40.61 (avg)37.3 (avg)+3.31
BBH36.80 (3-shot)28.2 (3-shot)+8.6
BoolQ62.17–N/A
GSM8K2.59 (5-shot)1.4 (5-shot)+1.19
IFEval35.49 (avg)29.9 (avg)+5.59
MMLU34.9529.3+5.65
PIQA64.9166.3–1.39
HellaSwag–40.9N/A
MT-Bench–19.8N/A

Limitations

  • Not production-ready: hallucinations and logical errors are frequent.
  • Small size: limited general knowledge and reasoning depth.
  • English-only: multilingual capabilities not explored.

Acknowledgements

  • @HotAisle for providing the compute resources to train all three stages on a awesome AMD MI300x setup.
  • @mkurman88 for ideas, feedback and code samples.
  • HuggingFaceTB team for SmolLM2-135M-Instruct model and the Smoltalk2 dataset collection.
  • @scottgeng00 for the OLmO-3-Preference-Mix-Deltas dataset.
  • @eliebakouchi for help with the tokenization.

License

Apache 2.0


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
eb6adef

0 моделей