/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
218 млн
Лицензия
Apache 2.0
Архитектура
lilm · dense
Библиотека
transformers
Опубликована
1 сен 2026

LiLM1-230M-base

Генерация текстаТекст → текст3 профессии

Компактная базовая языковая модель на 233,9 млн параметров для исследований и дальнейшего обучения, генерирующая текст по принципу предсказания следующего токена.

94скачиваний за 30 дней1лайквеса обновлены1 сен 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

LiLM1-230M-base — базовая предварительно обученная языковая модель, разработанная Akshay Gautam. Это плотная причинная модель на 233,9 млн параметров с гибридной архитектурой: свёрточные слои сочетаются с attention-блоками, использующими RoPE; длина контекста составляет 4096 токенов. Модель обучена предсказывать следующий токен и не проходила настройку для следования инструкциям.

Модель предназначена для исследований компактных языковых моделей и может служить основой для дальнейшего обучения. Она принимает текст и генерирует текст; английский — единственный язык, на котором проводилась оценка. По приведённым результатам базовая модель набрала 45,22% в агрегированной оценке по 11 задачам и уступила указанным публичным моделям сопоставимого размера. Требуется загрузка через Transformers с включённым `trust_remote_code=True` из-за пользовательской архитектуры.

Модель распространяется по лицензии Apache-2.0. Ограничения включают слабые способности к математике, поиску информации и выполнению инструкций; оценка не охватывает все прикладные задачи. Не следует использовать её как чат-модель или для принятия медицинских, юридических, финансовых либо связанных с безопасностью решений, а также подавать контекст длиннее 4096 токенов.

Сценарии применения

  • эксперименты с компактными языковыми моделями
  • продолжение обучения базовой языковой модели
  • генерация продолжения английского текста
  • оценка базовой модели на задачах предсказания следующего токена

Ограничения

Модель не настроена для следования инструкциям или общения в чате; её способности к математике, поиску информации и следованию инструкциям ограничены. Оценивался только английский язык, а контекст свыше 4096 токенов и применение для медицинских, юридических, финансовых или связанных с безопасностью решений не рекомендованы.

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

LiLM1-230M-base

LiLM1-230M-base is the pretrained LiLM1 checkpoint. It has 233,897,728 parameters and a 4,096-token context. The public name uses the nearest 10M parameter class.

This is a base model. It is not instruction-tuned.

Model details

FieldValue
DeveloperAkshay Gautam
Model repositoryglouriousgautam/LiLM1-230M-base
Parameters233,897,728
Context length4,096 tokens
ArchitectureHybrid decoder: 10 gated causal-convolution blocks and 6 GQA blocks
Pretraining40B token exposures
Standardized training compute75.1 to 75.6 GPU-hours on one RTX PRO 6000 Blackwell
TokenizerSmolLM2 135M tokenizer, revision 93efa2f097d58c2a74874c7e644dbc9b0cee75a2
Source checkpoint SHA-256a0c7627df310a21ac1ceeedbce3694084a6c8e36deb35bbd2252fb682550d963
Safetensors SHA-2562964530e470d8e1b942e5c9ad8d67bd3387a07f358831e1fdf785adfef151908
LicenseApache-2.0

The hybrid stack uses width 1,024, SwiGLU intermediate size 2,560, and tied input and output embeddings. Convolution layers use kernel size 3. Attention layers sit at depths 2, 5, 8, 11, 13, and 15. Attention uses 16 query heads, 4 key/value heads, head dimension 64, and Q/K RMSNorm. Position encoding is RoPE with base theta 10,000.

Training

The base model used 40B token exposures at 4,096 context. Training used BF16 on one NVIDIA RTX PRO 6000 Blackwell GPU. The recorded steady rate was 147K to 148K tokens per second. This gives a standardized pretraining estimate of 75.1 to 75.6 GPU-hours.

The public pretraining corpus is not available.

Evaluation

The 40B base checkpoint scores 45.22% on an 11-task zero-shot aggregate. WikiText word perplexity is 26.71. WikiText bits per byte is 0.886.

Same-scale public references remain ahead on this aggregate. SmolLM2 135M scores 47.84%. LFM2.5 230M scores 48.73%. SmolLM2 360M scores 54.02%. LiLM1 used 50 times fewer pretraining tokens than SmolLM2 135M.

The base checkpoint is a next-token model. It is not a tool-use or instruction-following model.

Load

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "glouriousgautam/LiLM1-230M-base"
tokenizer = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    repo,
    trust_remote_code=True,
    dtype=torch.bfloat16,
)

The architecture is custom. Loading requires trust_remote_code=True.

Intended use

Use LiLM1-230M-base for research on compact language models. It can serve as the parent for further training. Validate any downstream use before deployment.

Do not use this checkpoint as a chat or tool-calling model. Do not use it with context longer than 4,096 tokens. Do not use it for medical, legal, financial, or security decisions.

Limitations

  • English is the only evaluated language.
  • The model has limited math, retrieval, and instruction-following ability.
  • The evaluation does not cover every downstream task.
  • No quantized release has passed final validation.

License

Apache License 2.0.

Citation

@misc{lilm1_base_2026,
  title        = {LiLM1-230M-base},
  author       = {Akshay Gautam},
  year         = {2026},
  howpublished = {https://huggingface.co/glouriousgautam/LiLM1-230M-base}
}

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
LilmForCausalLM
Ревизия весов
5391c31

0 моделей