/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
67,1 млн
Архитектура
llama · dense
Библиотека
transformers
Опубликована
29 сен 2025

YALM-80M

Генерация текстаТекст → текст3 профессии

Экспериментальная компактная модель Llama для генерации текста на английском и хинди, обученная также на математических данных и коде Python.

297скачиваний за 30 дней0лайковвеса обновлены29 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-80M — экспериментальная компактная языковая модель семейства YALM, разработанная автором репозитория для изучения языкового моделирования и архитектур LLM. Это плотная авторегрессионная модель на архитектуре Llama с 67,1 млн параметров по метаданным Hugging Face; в README указано 79,7 млн параметров. Модель предобучена на корпусе английского и хинди, математических данных и коде Python; README сообщает о 34 тыс. шагов и 36 млрд токенов обучения. Контекст составляет 2048 токенов, веса опубликованы в формате safetensors и предназначены для использования через Transformers.

Модель подходит для генерации продолжений текста и экспериментальных проб с небольшой языковой моделью, включая англо-хиндийские и технические запросы. По README, на тестовом наборе получены loss 2,78 и perplexity 16,10; приведены также результаты нескольких zero-shot оценок. Автор предупреждает об ошибке токенизатора, которая может вызывать сбои генерации на некоторых входах, а также об ограниченности фактических знаний, возможных логических ошибках и смещениях. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения короткого текста на английском
  • генерация текста на хинди
  • эксперименты с компактными языковыми моделями
  • генерация простых математических рассуждений
  • генерация и продолжение фрагментов кода Python

Ограничения

В README отмечена ошибка токенизатора, способная приводить к сбоям генерации на некоторых входах. Фактические знания ограничены, а ответы могут содержать логические ошибки и смещения из обучающих данных.

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-80M

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-80M is the first member model in this family. 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.

Note: There is a bug in tokenizer which may cause error during generation for certrain inputs.

Model Overview:

  • Architecture: Llama
  • Pretraining steps: 34k
  • Pretraining tokens: 36B
  • Precision: bfloat16
  • Number of Parameters: 79.7M
  • Number of Paramaters (Non-Embedding): 62.9M
  • Number of Layers: 16
  • Number of Attention Heads (GQA): 8 for Q and 4 for KV
  • Context Length: 2048

Usage

>>> from transformers import AutoTokenizer, AutoModelForCausalLM
>>> tokenizer = AutoTokenizer.from_pretrained("kp7742/YALM-80M")
>>> model = AutoModelForCausalLM.from_pretrained("kp7742/YALM-80M")
>>> 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-pretrain5-60M

Hyperparameters

  • learning_rate: 0.007812
  • train_batch_size: 16
  • eval_batch_size: 16
  • distributed_type: multi-GPU DDP
  • num_devices: 8
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 512
  • total_eval_batch_size: 128
  • optimizer: AdamW with betas=(0.9, 0.95) and epsilon=1e-08
  • lr_scheduler_type: warmup_stable_decay
  • lr_scheduler_warmup_steps: 3400
  • training_steps: 34000

Hardware

  • GPUs: 8 x RTX 4090

Framework versions

  • Transformers 4.53.1
  • Pytorch 2.7.1+cu128
  • Datasets 3.6.0
  • Tokenizers 0.21.2

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: 2.78
  • Perplexity: 16.10

Base pre-trained model

MetricsYALM-80M
MMLU (cloze)27.33
MMLU Pro8.72
BBH (5-shot)12.61
ARC (Average)29.87
HellaSwag32.16
PIQA62.89
SCIQ69.50
CommonsenseQA28.75
Winogrande50.59
OpenBookQA29.60
TruthfulQA22.78
TriviaQA0.17
GSM8K (5-shot)0.83

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
4ba50ba

0 моделей