/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
64 млн
Архитектура
llama · dense
Библиотека
transformers
Опубликована
27 сен 2025

YALM-130M

Генерация текстаТекст → текст3 профессии

Экспериментальная компактная модель Llama для генерации текста на английском и хинди, а также работы с математическими материалами и кодом Python.

133скачиваний за 30 дней1лайквеса обновлены27 сен 2025

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

YALM-130M — экспериментальная небольшая языковая модель семейства YALM, разработанная kp7742. Это плотная авторегрессионная модель с архитектурой Llama и 64 млн параметров по метаданным; в README указано 130 млн параметров, включая 113 млн без эмбеддингов. Модель предобучена на корпусе английского и хинди, математических текстов и кода Python; карточка указывает 40 тысяч шагов и контекст 2048 токенов.

Модель предназначена для генерации текста и экспериментальной оценки многоязычных и технических возможностей компактных языковых моделей. Её можно запускать через Transformers для продолжения текста и простых генеративных задач. Лицензия в предоставленных данных не указана.

Сценарии применения

  • продолжение англоязычного текста
  • генерация текста на хинди
  • эксперименты с компактными языковыми моделями
  • генерация математических рассуждений
  • генерация фрагментов кода Python

Ограничения

В README отмечены ограниченные мировые знания и риск фактических ошибок, непоследовательной логики и смещений в генерациях. Результаты по отдельным бенчмаркам невысоки, поэтому качество ответов следует проверять.

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

YALM-130M

YALM (Yet Another Language Model) is a family of an experimental small language models developed through my ongoing exploration of language modeling and LLM architectures.

YALM-130M is the second model in this series. This model is trained on a diverse corpus of English, Hindi, Math, and Python Code to test its capacity for multi-lingual and technical reasoning.

Model Overview:

  • Architecture: Llama
  • Pretraining steps: 40k
  • Pretraining tokens: 42B
  • Precision: bfloat16
  • Number of Parameters: 130M
  • Number of Paramaters (Non-Embedding): 113M
  • Number of Layers: 16
  • Number of Attention Heads (GQA): 16 for Q and 2 for KV
  • Context Length: 2048

Usage

>>> from transformers import AutoTokenizer, AutoModelForCausalLM
>>> tokenizer = AutoTokenizer.from_pretrained("kp7742/YALM-130M")
>>> model = AutoModelForCausalLM.from_pretrained("kp7742/YALM-130M")
>>> inputs = tokenizer("Hey how are you doing?", return_tensors="pt")
>>> out = model.generate(**inputs, max_new_tokens=100)
>>> print(tokenizer.batch_decode(out))

Training

Data

This model is pre-trained on YALM-pretrain6-62M

Hyperparameters

  • learning_rate: 6e-3
  • train_batch_size: 16
  • eval_batch_size: 16
  • distributed_type: multi-GPU DDP
  • num_devices: 4
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 512
  • total_eval_batch_size: 64
  • optimizer: AdamW with betas=(0.9, 0.95) and epsilon=1e-08
  • lr_scheduler_type: warmup_stable_decay
  • lr_scheduler_warmup_steps: 4000
  • training_steps: 40000

Hardware

  • GPUs: 4 x RTX 5090

Framework versions

  • Transformers 4.56.2
  • Pytorch 2.8.0+cu128
  • Datasets 4.1.1
  • Tokenizers 0.22.1

Evaluation

All evaluations are zero-shot unless stated otherwise, and I used lighteval to run them.

It achieves the following results on the test set:

  • Loss: 2.46
  • Perplexity: 11.66

Base pre-trained model

MetricsYALM-130MYALM-80M
MMLU (cloze)27.9827.33
MMLU Pro11.388.72
BBH (5-shot)11.5912.61
ARC (Average)33.5029.87
HellaSwag34.0832.16
PIQA62.4062.89
SCIQ70.0069.50
CommonsenseQA28.7528.75
Winogrande50.2850.59
OpenBookQA31.0029.60
TruthfulQA21.7122.78
TriviaQA0.180.17
GSM8K (5-shot)1.060.83

Limitations

YALM models primarily understand and generate content in English and Hindi. They can produce text on a variety of topics but as world knowledge is limited, the generated content may not always be factually accurate, logically consistent, or free from biases present in the training data.

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
034cb33

0 моделей