/ Модель

Характеристики

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

slm-125m-legal-financial

Генерация текстаТекст → текст3 профессии

Небольшая базовая Llama-модель, обученная с нуля для продолжения юридических, финансовых и образовательных текстов на английском языке.

103скачиваний за 30 дней0лайковвеса обновлены29 авг 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-legal-financial — базовая авторегрессионная языковая модель в архитектуре Llama от karuppusamym. Модель содержит 125,8 млн параметров и предназначена для продолжения текста, а не для диалога или выполнения инструкций. Её обучали с нуля на корпусе из судебных решений США, документов SEC и образовательных веб-текстов; максимальная длина контекста — 1024 токена.

Модель может продолжать фрагменты юридического и финансового текста, например судебные формулировки или описания финансовых результатов. Обучение остановили на 58% запланированного расписания, поэтому качество чекпойнта ниже ожидаемого от завершённого обучения. Модель небольшая, её знания основаны на статистических закономерностях обучающих текстов; она может генерировать недостоверные названия дел, нормы права и финансовые показатели, поэтому не подходит для юридических или финансовых консультаций и проверки фактов. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение фрагментов судебных решений США
  • дополнение текста документов SEC
  • генерация черновиков финансовых описаний
  • продолжение образовательных веб-текстов

Ограничения

Обучение остановлено до завершения запланированного цикла, а модель не настроена на инструкции или диалог. Она может выдумывать юридические и финансовые факты и не должна использоваться как источник советов или достоверных сведений.

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 — legal & financial base language model

A 125.8M-parameter Llama-style causal language model, pretrained from random weights on a corpus of US case law, SEC filings, and educational web text. This is a base text completer, not an instruction-tuned chat model — it continues text plausibly but was never trained to follow instructions or hold a conversation, and it has no factual grounding beyond patterns in its training data.

⚠️ Training status: partial. This checkpoint is the best validation perplexity checkpoint from a run that was stopped by its GPU spend cap at step 10,253 of a planned 17,645 (58% of a 5-epoch schedule), having seen 5.38B of a targeted 9.25B tokens. It is not the final planned checkpoint. Perplexity was still improving steadily when the run stopped (see the trajectory below), so a completed run would be expected to score better.

Model details

ArchitectureLlama (SwiGLU, RoPE, RMSNorm pre-norm, tied embeddings)
Parameters125,847,552
Layers12
Hidden size768
Attention / KV heads12 / 12
Intermediate size (SwiGLU)3,072
Context length1,024
Vocabulary16,384 (byte-level BPE, trained from scratch on this corpus)
RoPE theta10,000
Precision trained inbf16 autocast, fp32 master weights

Training data

A 16,384-token byte-level BPE vocabulary and this model were both trained from scratch on a ~1.85B-token packed corpus (1,024-token windows), built from:

SourceShare of train tokensDataset
US case law31.1%HFforLegal/case-law (US split)
SEC filings43.9%PleIAs/SEC
Educational web text25.0%HuggingFaceFW/fineweb-edu (sample-10BT)

The corpus was cleaned (boilerplate/OCR/repetition/language filters), deduplicated (MinHash near-dup removal on case law, exact-dup removal everywhere), and decontaminated against the CaseHOLD and LexGLUE evaluation splits before packing. 645,388 documents in total; validation is a disjoint 1% held-out slice (18.7M tokens).

Training recipe

SettingValue
ObjectiveNext-token cross-entropy
OptimizerAdamW, betas (0.9, 0.95), weight decay 0.1 (excluded on 1-D params)
Peak / floor learning rate6e-4 / 6e-5
Warmup200M tokens, then cosine decay
Precisionbf16 autocast
Gradient clipping1.0 global norm
Global batch524,288 tokens/optimizer step
Hardware8× H100, single-node DDP
Schedule (planned)5 epochs over the 1.85B-token corpus (~9.25B tokens, 17,645 steps)

Validation perplexity trajectory

Full validation split, evaluated every 1,000 optimizer steps (perplexity = exp(mean token-weighted cross-entropy)):

StepVal lossVal perplexity
1,0002.77716.07
2,0002.52412.48
3,0002.42111.26
4,0002.36110.60
5,0002.31910.17
6,0002.2869.83
7,0002.2579.55
8,0002.2369.35
9,0002.2149.15
10,0002.1948.97
10,253 (this checkpoint)2.1888.92

Training loss fell from 9.87 (random init) to ~2.17 over the same span.

Sample completions

Generated with do_sample=True, temperature=0.8, top_p=0.95 at this checkpoint. These are illustrative, not curated — a base model can produce incoherent, biased, or fabricated legal/financial content, and nothing it generates should be treated as legal or financial advice.

Prompt: "The court held that" Continuation: "...the defendant was not prejudiced by the admission of the testimony relating to the statement that he was not under arrest. In so holding, the court stated: We agree. In State v. Hensley..."

Prompt: "Net revenues for the fiscal year increased" Continuation: "...$2.5 million, or 7.1%, to $31.9 million in fiscal 1997 from $31.9 million in fiscal 1996. The increase in total revenues was attributable to the Company..."

Intended use & limitations

  • Base completer only. No instruction tuning, no RLHF, no chat template training — <|user|>/<|assistant|>/<|system|> tokens are reserved in the tokenizer for a future instruction-tuning phase but this checkpoint was never trained on turn-structured data.
  • Not a source of legal or financial advice or fact. It will produce fluent, plausible-sounding legal and financial prose, including plausible case names, statutes, and figures that may be entirely fabricated.
  • Partially trained, as noted above — expect rougher edges than a completed 5-epoch run.
  • Small model, narrow domain. 125M parameters trained on ~1.85B tokens is small by current standards; general-knowledge and reasoning capability outside the legal/financial/web-text domain is limited.

How to use

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "karuppusamym/slm-125m-legal-financial"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo)

inputs = tok("The court held that", return_tensors="pt")
out = model.generate(**inputs, max_new_tokens=60, do_sample=True, temperature=0.8, top_p=0.95)
print(tok.decode(out[0], skip_special_tokens=True))

License

Model weights released under Apache 2.0. Training data provenance: US case law is public-domain court opinion text; SEC filings are public regulatory filings; FineWeb-Edu is a permissively-licensed educational web-text dataset. This repository does not redistribute the training data itself.

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
d1f8ccf

0 моделей