/ Модель

Характеристики

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

slm-125m-base

Генерация текстаТекст → текст3 профессии

Компактная модель Llama на 125,8 млн параметров для продолжения текстов в юридическом и финансовом стиле.

39скачиваний за 30 дней1лайквеса обновлены11 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

SLM-125M-base — компактная языковая модель Sudhanshu1985 на 125,8 млн параметров с архитектурой LlamaForCausalLM. Модель обучена с нуля предсказывать следующий токен и продолжать заданный текст; это базовая модель-дополнитель, а не чат-бот, поэтому она не предназначена для ответов на вопросы и выполнения инструкций. Контекст составляет 1024 токена.

Обучение проведено на корпусе примерно из 2,04 млрд токенов: судебные решения США и финансовая отчётность SEC составляют примерно по 40%, образовательные веб-тексты — около 20%. Модель подходит для продолжения юридических и финансовых текстов и экспериментов с небольшой языковой моделью. Она склонна переводить неспециализированные запросы в юридический регистр, обладает ограниченным запасом фактических знаний и может отражать смещения исходных текстов. Не следует использовать её ответы как юридическую или финансовую консультацию. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение фрагментов судебных решений США
  • дополнение юридических документов и договоров
  • продолжение финансовой отчётности и SEC filing
  • генерация текста в юридическом регистре по заданному началу
  • эксперименты с компактной языковой моделью, обученной с нуля

Ограничения

Модель продолжает текст, но не следует инструкциям и не предназначена для ответов на вопросы; её фактические знания ограничены, а неспециализированные запросы могут смещаться к юридическому стилю. Обучающие данные могут содержать смещения; модель не предназначена для юридических или финансовых консультаций.

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

SLM-125M-base

A 125.8M-parameter, Llama-style language model pretrained from scratch on a cleaned, deduplicated, and decontaminated legal + financial corpus. Give it the start of a sentence and it continues in the legal/financial register.

This is a base completer, not a chat model. It was trained on next-token prediction only, so it continues text rather than answering questions.

Model details

Parameters125,847,552 (~125.8M)
ArchitectureLlama-style (LlamaForCausalLM)
Layers12
Hidden size768
Attention heads12 (head dim 64), MHA (12 KV heads)
MLPSwiGLU, inner 3072
NormalizationRMSNorm, pre-norm
PositionalRoPE (theta 10000)
Context length1024
Vocab16,384 (byte-level BPE, trained from scratch)
Embeddingstied (input = output)
Precisionbf16

Training data

A ~2.04B-token corpus built from three public, ungated sources, streamed and filtered through a deterministic cleaning + dedup + decontamination pipeline:

SourceContentShare
HFforLegal/case-lawUS court opinions~40%
PleIAs/SECSEC filings (10-K, etc.)~40%
HuggingFaceFW/fineweb-eduEducational web text~20%

The corpus was decontaminated against CaseHOLD / LexGLUE (13-gram overlap removed) and deduplicated (exact + MinHash/LSH near-duplicate removal).

Training recipe

KnobValue
Objectivenext-token cross-entropy
Hardware8× H100 (single-node DDP)
Epochs1 (~2.04B tokens seen)
OptimizerAdamW, betas (0.9, 0.95), weight decay 0.1
LR6e-4 → 6e-5, cosine decay, 200M-token warmup
Global batch~524,288 tokens/step
Grad clip1.0
Steps3,889

Results

Held-out validation perplexity: 11.01 (val loss 2.42) on a 1% held-out split (~20.6M tokens). Perplexity was still descending at the end of the single epoch (step 2000 → 12.54, step 3000 → 11.27, final → 11.01), so additional epochs would lower it further. Total compute cost to train: ~$11.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("Sudhanshu1985/slm-125m-base")
model = AutoModelForCausalLM.from_pretrained("Sudhanshu1985/slm-125m-base")

prompt = "The plaintiff alleges that the defendant"
inputs = tok(prompt, return_tensors="pt")
out = model.generate(
    **inputs,
    max_new_tokens=80,
    min_new_tokens=40,
    do_sample=True,
    temperature=0.8,
    top_p=0.95,
    top_k=40,
    repetition_penalty=1.3,
)
print(tok.decode(out[0], skip_special_tokens=True))

Example completions

  • "The plaintiff alleges that the defendant" → "breached its contract of employment... In order to prove fraud, a party must show: (1) The existence of a confidential relationship; (2) the absence or violation by one party of any duty owed..."
  • "Pursuant to the terms of this Agreement," → "the parties have agreed as follows: 1. ...all disputes... shall be subject to the jurisdiction of said Court..."
  • "The Company's net revenues for the fiscal year" → "ended September 30, 1996 were $305.1 million. The operating loss in fiscal 1995 was primarily attributable to..."

Limitations

  • Base completer, not a chatbot. It continues text; it does not follow instructions or answer questions.
  • Does not know facts. At 125M parameters a model holds only a small amount of usable knowledge; grounded facts would require retrieval (RAG).
  • Domain-biased. It speaks the legal register fluently; non-legal prompts drift toward that register.
  • Trained on US legal/financial + educational web text; may reflect biases in those sources. Not legal or financial advice.

Provenance

Pretrained from random weights (nothing fine-tuned). Pipeline: stream 3 datasets → rule-based cleaning → dedup + decontaminate → 16K byte-level BPE → pack 1024-token windows → pretrain on 8× H100. Based on the Vizuara AI Labs slm-125m-from-scratch recipe.

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
066ac5a

0 моделей