/ Модель

Характеристики

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

slm-125m-base

Генерация текстаТекст → текст3 профессии

Компактная англоязычная базовая Llama-модель для продолжения текста, предварительно обученная на юридических, финансовых и образовательных веб-текстах.

23скачиваний за 30 дней0лайковвеса обновлены10 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 — небольшая языковая модель с архитектурой Llama, разработанная jonam-ai и предварительно обученная с нуля на корпусе юридических, финансовых и образовательных веб-текстов. Модель содержит 125,8 млн параметров, использует словарь byte-level BPE размером 16 384 токена и контекст до 1 024 токенов. Она предназначена для продолжения текста, а не для диалогов или выполнения инструкций.

Модель может служить компактной основой для экспериментов и разработки генерации англоязычных текстов в юридической и финансовой тематике. В обучающей смеси преобладают документы SEC и судебные решения США; также использовались образовательные веб-тексты. Проверочная perplexity составляет 9,13.

Модель работает только с текстом на английском языке. Из-за небольшого размера и отсутствия настройки на инструкции ответы могут быть неточными или вымышленными, в том числе в юридических и финансовых вопросах. Не следует полагаться на её выводы для профессиональных решений без проверки. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение англоязычных юридических текстов
  • генерация черновиков финансовых документов
  • эксперименты с дообучением небольшой языковой модели
  • создание базовой модели для англоязычной генерации текста

Ограничения

Это небольшая базовая модель без настройки на инструкции, поэтому она может выдавать неточные или вымышленные ответы. Контекст ограничен 1 024 токенами; юридические и финансовые выводы требуют проверки.

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 125M-parameter Llama-architecture small language model pretrained from scratch on a legal/financial corpus. This is a base (pretrained) model — it is not instruction- or chat-tuned.

Model details

ArchitectureLlama (via transformers.LlamaForCausalLM)
Parameters125.8M (tied embeddings)
Vocab16,384 (byte-level BPE trained on this corpus)
Layers / hidden / heads12 / 768 / 12 (head dim 64, MHA)
Context length1,024
PositionalRoPE (θ=10,000)
Norm / activationRMSNorm (1e-5) / SwiGLU (silu)
Precisionbf16 training, weights saved fp32

Training data (~2.04B tokens, "legal-first" mix)

Streamed, cleaned, deduplicated (MinHash LSH + exact), and decontaminated against CaseHOLD / LexGLUE before tokenization. Realized token mix:

SourceShareHF dataset
US case law~35%HFforLegal/case-law (split us)
SEC filings~42%PleIAs/SEC
Educational web~23%HuggingFaceFW/fineweb-edu (sample-10BT)

Training

  • 2 epochs (7,778 steps) on 8×H100 (DDP, torch.compile, SDPA/flash attention)
  • Global batch 524,288 tokens; AdamW (β=0.9/0.95, wd 0.1, clip 1.0)
  • LR 6e-4 → 6e-5 cosine, 200M-token linear warmup; seed 1337
  • Throughput ~3.19M tok/s @ ~30% MFU

Evaluation

Held-out validation perplexity: 9.13 (loss 2.211, full 1% held-out split, 20,581,737 tokens / 20,119 packed 1024-token windows).

Validation loss over training (subset eval): 2.796 → 2.232 (steps 1000 → 7778).

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

tok = AutoTokenizer.from_pretrained("s2211252/slm-125m-base")
model = AutoModelForCausalLM.from_pretrained("s2211252/slm-125m-base", torch_dtype=torch.bfloat16)

prompt = "Pursuant to the terms of this Agreement, the parties"
ids = tok(prompt, return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=120, do_sample=True, top_k=50, top_p=0.95, temperature=0.8)
print(tok.decode(out[0], skip_special_tokens=True))

Limitations

Small base model, English only, 1,024-token context. Trained on legal/financial + web text; it is not instruction-tuned and can produce inaccurate or fabricated legal/financial statements. Not for legal advice or production decisions without review. Domain contamination against CaseHOLD/LexGLUE was filtered, but standard LM caveats apply.

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
211d522

0 моделей