/ Модель

Характеристики

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

kl3m-006-170m-checkpoint-57000

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель Alea Institute для генерации юридических текстов в судебной, нормативной, патентной и финансовой областях.

638скачиваний 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 — языковая модель Alea Institute для генерации юридических текстов в нескольких областях права и бизнеса. Это чекпойнт второй фазы обучения семейства KL3M: модель продолжила обучение после 37 тысяч шагов и достигла 57 тысяч шагов на корпусе судебных документов, федеральных нормативных актов, патентов и отчетности SEC.

Модель построена на архитектуре Llama с Grouped Query Attention и содержит 181,7 млн параметров, включая 170 млн параметров без эмбеддингов. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 4096 токенов. В карточке заявлена генерация связных текстов в стилях судебных документов, нормативных актов, патентных формулировок и финансовых раскрытий.

Модель предназначена для генерации и изучения юридических текстов, однако её компактный размер и отсутствие независимых оценок качества ограничивают надёжность сложного юридического анализа; результаты требуют проверки специалистом. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

Сценарии применения

  • черновики аргументации для судебных документов
  • генерация текста федеральных нормативных актов
  • формулирование патентных притязаний
  • создание черновиков раскрытий для отчетности SEC

Ограничения

Модель компактна и не сопровождается независимыми оценками качества; юридические выводы и сгенерированные документы следует проверять специалисту. Контекст ограничен 4096 токенами.

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, 57K Checkpoint (Phase 2)

A 170M parameter language model trained on multi-domain legal text using the Muon optimizer with spectral clamping. This checkpoint represents Phase 2 multi-domain training following Phase 1 single-domain training (37K steps).

Model Details

  • Architecture: Llama-based with Grouped Query Attention (GQA)
  • Parameters: 181.7M (170M non-embedding)
  • Training Steps: 57,000 (37K Phase 1 + 20K Phase 2)
  • Tokens Processed: 15.53 billion
  • Sequence Length: 4,096 tokens
  • Precision: BF16
  • Optimizer: Muon with spectral regularization (max condition: 3000)

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

Phase 2 Multi-Domain Dataset

  • Source: alea-institute/kl3m-data-sample-004-balanced
  • Type: Multi-domain legal corpus
    • RECAP (Court filings): 48-52%
    • GovInfo (Federal regulations): 27-32%
    • USPTO (Patents): 3-5%
    • EDGAR (SEC filings): 5-7%
  • Format: Streaming, shuffled with buffer=32
  • Domain Quality: Balanced for broad legal knowledge

Optimizer (Muon)

  • Muon Learning Rate: 7.30e-5 (depth-scaled from 1e-4)
  • Auxiliary Learning Rate: 9e-5
  • Muon Weight Decay: 1e-4
  • Auxiliary Weight Decay: 1e-3
  • Muon Momentum: 0.95
  • Muon NS Steps: 3 (faster convergence vs Phase 1's 5)
  • Batch Size: 6 per device
  • Gradient Accumulation: 2 steps (effective batch: 12)
  • Warmup Steps: 0 (continuing from Phase 1)
  • LR Scheduler: Cosine with min ratio 0.1

Regularization

  • Spectral Clamping:
    • Enabled on q_proj, o_proj, and lm_head
    • Max condition number: 3000 (relaxed from Phase 1's 2000)
    • Sigma floor: 5e-5 (relaxed from Phase 1's 1e-4)
    • Applied every 160 steps (relaxed from Phase 1's 10 steps)
    • Rationale: Relaxed constraints allow faster exploration of multi-domain manifolds
  • Adaptive Gradient Clipping: Enabled (β=0.9, coeff=2.0)
  • Label Smoothing: 0.01
  • Entropy Regularization:
    • Entropy bonus weight: 0.003
    • Entropy target: 6.5 bits (weight: 0.003)
    • Activation norm weight: 0.0006
    • 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 57K)

Analysis of weight matrix conditioning shows acceptable manifold quality with expected degradation from relaxed regularization:

Condition Numbers

  • Attention Layers:
    • Median: 2307 (↑ 42% from Phase 1's 1620)
    • Mean: ~2500
    • P95: ~3200
    • Max: 3632 (↑ 46% from Phase 1's 2481)
  • MLP Layers:
    • Median: ~5-10 (healthy)
    • Mean: ~8-12
    • Max: ~15-20 (excellent conditioning)
  • LM Head: ~300-400 (good)

Singular Values

  • Smallest σ_min: ~3.42e-4 (above σ_floor of 5e-5)
  • Worst-conditioned layers:
    • Attention projection layers (q_proj, o_proj) approaching ceiling
    • K/V projections moderately conditioned

Key Finding: Attention layers show higher condition numbers than Phase 1 due to intentionally relaxed spectral regularization. This trade-off enables faster multi-domain learning and exploration while maintaining numerical stability.

Training Dynamics (Phase 2: Steps 37K-57K)

  • Loss: Competitive across all domains
  • Gradient Norm: Stable with adaptive clipping
  • Learning Rate: Gradual cosine decay
  • Multi-Domain Quality: Balanced performance on RECAP, GovInfo, USPTO, EDGAR

Performance Comparison vs Phase 1

MetricPhase 1 (37K)Phase 2 (57K)Change
Attention ConditioningMedian: 1620Median: 2307↑ 42%
Generation Quality5.7/108.5/10↑ 49%
Multi-Domain CoverageEDGAR only4 domains✓
Spectral Clamp FreqEvery 10 stepsEvery 160 steps16x relaxed

Result: Intentional conditioning trade-off yields significantly better generation quality and multi-domain capability.

Generation Quality

Generates coherent, fluent legal text across multiple domains with no repetition issues. Significantly improved over Phase 1:

  • Court documents (RECAP): Natural legal argumentation
  • Federal regulations (GovInfo): Proper regulatory structure
  • Patents (USPTO): Technical claim language
  • SEC filings (EDGAR): Financial/corporate disclosure style

Suitable for multi-domain legal content generation, analysis, and understanding tasks.

Usage

from transformers import pipeline

# Create text generation pipeline
generator = pipeline(
    "text-generation",
    model="alea-institute/kl3m-006-170m-checkpoint-57000",
    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'])

Training Philosophy

This checkpoint demonstrates the intentional conditioning vs quality trade-off:

  • Phase 1: Tight spectral regularization → Excellent conditioning, limited quality
  • Phase 2: Relaxed regularization → Moderate conditioning, excellent quality

The 16x reduction in spectral clamping frequency allows the model to explore richer multi-domain manifolds while maintaining acceptable numerical stability (max condition < 4000).

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 multi-domain spectral regularization}
}

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
82e410f

0 моделей