/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
182 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
15 ноя 2025

kl3m-006-170m-checkpoint-37000

Генерация текстаТекст → текст3 профессии

Компактная англоязычная Llama-модель Alea Institute для генерации и продолжения текстов договоров и других юридических соглашений.

410скачиваний за 30 дней0лайковвеса обновлены28 сен 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

KL3M 170M, 6th Gen, checkpoint 37K — языковая модель Alea Institute для генерации текста, обученная на юридических соглашениях, включая документы EDGAR и контракты. Она предназначена для генерации и продолжения юридических и договорных текстов, а также для задач анализа, где нужен текстовый вывод. Модель основана на архитектуре Llama с Grouped Query Attention: 30 слоёв, 9 attention heads и 3 KV heads. Всего 181,7 млн параметров, включая 170 млн без эмбеддингов; контекст — 4096 токенов. Веса представлены в формате safetensors, библиотека — Transformers.

В карточке указаны связные генерации юридического текста без повторов; обучение выполнено на 37 000 шагах с оптимизатором Muon и spectral clamping. Модель рассчитана на английский язык и специализированный юридический корпус, поэтому её ответы вне договорной тематики могут быть менее надёжны; показатели качества приведены в карточке без независимой оценки. Лицензия — Apache-2.0.

Сценарии применения

  • черновики договорных положений на английском языке
  • продолжение текста юридического соглашения
  • генерация формулировок для контрактов
  • создание примеров юридических текстов для прототипов
  • эксперименты с генерацией текста на юридических корпусах

Ограничения

Обучение ориентировано на английские юридические соглашения, поэтому модель может быть менее надёжна для других языков и общих задач. Заявления о качестве генерации приведены в карточке без независимой оценки.

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

KL3M 170M, 6th Gen Model, 37K Checkpoint

A 170M parameter language model trained on legal agreements using the Muon optimizer with spectral clamping.

Model Details

  • Architecture: Llama-based with Grouped Query Attention (GQA)
  • Parameters: 181.7M (170M non-embedding)
  • Training Steps: 37,000
  • Tokens Processed: 14.55 billion
  • Sequence Length: 4,096 tokens
  • Precision: BF16
  • Optimizer: Muon with spectral regularization (max condition: 2000)

Model Architecture

  • Hidden Size: 576
  • Layers: 30
  • Attention Heads: 9 (3 KV heads with GQA)
  • Intermediate Size: 1536
  • Vocabulary: 131,072 tokens
  • RoPE Theta: 100,000

Training Configuration

Dataset

  • Source: alea-institute/kl3m-data-sample-002-shuffled
  • Type: Legal agreements (EDGAR filings, contracts)
  • Format: Streaming, shuffled

Optimizer (Muon)

  • Muon Learning Rate: 2.19e-4 (depth-scaled from 3e-4)
  • Auxiliary Learning Rate: 3e-4
  • Muon Weight Decay: 1e-4
  • Auxiliary Weight Decay: 1e-3
  • Muon Momentum: 0.95
  • Batch Size: 6 per device
  • Gradient Accumulation: 16 steps (effective batch: 96)
  • Warmup Steps: 1,000
  • LR Scheduler: Cosine with min ratio 0.1

Regularization

  • Spectral Clamping:
    • Enabled on q_proj, o_proj, and lm_head
    • Max condition number: 2000
    • Sigma floor: 1e-4
    • Applied every 10 steps (every 960 samples)
  • Adaptive Gradient Clipping: Enabled (β=0.9, coeff=2.0)
  • Label Smoothing: 0.01
  • Entropy Regularization:
    • Entropy bonus weight: 0.005
    • Entropy target: 6.5 bits (weight: 0.005)
    • Activation norm weight: 0.001
    • Loss chunk size: 1024 tokens

Training Infrastructure

  • Mixed Precision: BF16
  • Gradient Checkpointing: Enabled (non-reentrant)
  • Flash Attention: Auto-enabled
  • TF32 Mode: Auto

Spectral Health (Step 37K)

Analysis of weight matrix conditioning shows excellent manifold quality:

Condition Numbers

  • Attention Layers:
    • Median: 349.79 ✓ EXCELLENT
    • Mean: 784.46
    • P95: 2000.15 (at spectral clamp ceiling)
    • Max: 2000.26
  • MLP Layers:
    • Median: 4.70 ✓ EXCELLENT
    • Mean: 4.86
    • Max: 8.40
  • LM Head: 261.88 ✓ GOOD

Singular Values

  • Smallest σ_min: 5.42e-4 (well above σ_floor of 1e-4)
  • Top 5 smallest:
    • layers.0.self_attn.o_proj: 5.42e-4
    • layers.5.self_attn.o_proj: 5.44e-4
    • layers.9.self_attn.o_proj: 6.07e-4
    • layers.22.self_attn.o_proj: 6.09e-4
    • layers.4.self_attn.o_proj: 6.15e-4

Key Finding: Many attention projection layers (q_proj, o_proj) are actively hitting the spectral clamp ceiling of 2000, indicating the regularization is working as intended to prevent ill-conditioning.

Training Dynamics (Steps 33K-37K)

  • Loss (100-step avg): 2.081 → 2.146 (+0.066)
    • Note: Slight increase suggests model encountered harder examples or dataset shift
  • Gradient Norm: Median 1.90, P95 4.29
  • Gradient Clipping Rate: 3.6% (well-controlled)
  • Learning Rate: Minimal decay (0.000219 → 0.000218)

Generation Quality

Generates coherent, fluent legal text with no repetition issues. Suitable for legal/contractual content generation and analysis.

Usage

from transformers import pipeline

# Create text generation pipeline
generator = pipeline(
    "text-generation",
    model="alea-institute/kl3m-006-170m-checkpoint-37000",
    torch_dtype="auto",
    device_map="auto"
)

# Generate text
outputs = generator(
    "This Agreement is entered into as of",
    max_new_tokens=100,
    temperature=0.7,
    top_p=0.95,
    repetition_penalty=1.15
)

print(outputs[0]['generated_text'])

Model Card Authors

Alea Institute

Citation

For technical details, see the paper: https://arxiv.org/abs/2504.07854

@misc{kl3m2025,
  title={KL3M: Knowledge-Guided Language Model Training},
  author={Alea Institute},
  year={2025},
  url={https://arxiv.org/abs/2504.07854},
  note={Trained with Muon optimizer and spectral clamping}
}

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
0077701

0 моделей