/ Модель

Характеристики

Контекст
1 024 токена
Параметры
126 млн
Лицензия
Своя лицензия
Архитектура
llama · dense
Библиотека
transformers
Опубликована
23 авг 2026

legal-slm-125m-2ep

Генерация текстаТекст → текст3 профессии

Базовая англоязычная Llama-модель на 125,8 млн параметров для продолжения юридических, финансовых и образовательных текстов.

54скачиваний за 30 дней0лайковвеса обновлены23 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

Legal SLM 125M — это базовая причинно-языковая модель на 125,8 млн параметров, созданная lekhamenon28 с нуля и обученная на корпусе английских юридических, финансовых и образовательных текстов. Модель построена на архитектуре Llama: декодерный трансформер с 12 слоями, размером скрытого состояния 768 и контекстом 1 024 токена. Веса опубликованы в формате safetensors, для загрузки указана библиотека Transformers; лицензия обозначена как other.

Модель предназначена для продолжения фрагментов текста по заданному началу, например для экспериментов с генерацией английских текстов из юридической или финансовой области. Это не чат-бот с настройкой на инструкции: ей следует задавать префиксы фрагментов, а не ожидать диалоговых ответов. Она может выдумывать судебные дела, нормы, ссылки, числа и выводы; её нельзя использовать как источник юридических, финансовых, комплаенс- или инвестиционных рекомендаций. Данные обучения могут содержать ошибки, устаревшие сведения, смещения и персональную информацию; перед коммерческим или регулируемым использованием нужно отдельно проверить условия исходных датасетов.

Сценарии применения

  • эксперименты с продолжением фрагментов юридических текстов на английском языке
  • генерация продолжений финансовых документов по заданному префиксу
  • автодополнение англоязычных образовательных материалов
  • исследование базовых причинно-языковых моделей на тематических корпусах

Ограничения

Модель не настроена на следование инструкциям и может выдумывать дела, нормы, цитаты, числа и выводы; её нельзя использовать для юридических, финансовых, комплаенс- или инвестиционных рекомендаций. Для коммерческого или регулируемого применения требуется проверить лицензии исходных датасетов.

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

Legal SLM 125M — two-epoch base model

This is a 125,848,320-parameter base causal language model, trained from random weights on a packed English legal, financial, and educational corpus. It is a passage-completion model, not an instruction-following chatbot, legal adviser, or factual authority.

Training result

MetricValue
Requested horizon2 epochs
Optimizer steps7,643
Input tokens seen4,007,133,184
Final validation loss2.2201357403
Final validation perplexity9.2085807565
Effective global batch524,288 input tokens
HardwareSingle node, 8× NVIDIA H100
Precisionbfloat16
Context length1,024
Vocabulary16,384
Actual production GPU chargeUSD 23.06837
Actual production total chargeUSD 23.41963

Validation perplexity was computed over the complete validation split using token-weighted next-token cross-entropy across 20,210,388 predicted tokens.

Architecture

  • Llama-style decoder-only transformer
  • 12 layers
  • Hidden size 768
  • 12 attention heads and 12 KV heads
  • SwiGLU intermediate size 3,072
  • RoPE theta 10,000
  • RMSNorm pre-normalization
  • Tied input/output embeddings

Optimization

  • AdamW; betas (0.9, 0.95)
  • Weight decay 0.1 (matrix parameters; biases and one-dimensional parameters excluded)
  • Peak learning rate 6e-4; floor 6e-5
  • Token-based 200M-token warm-up followed by cosine decay
  • Gradient clipping at 1.0
  • Micro-batch 32 windows per GPU, 8 ranks, accumulation 2

Dataset

The packed training split contains 2,003,556,352 tokens and the validation split contains 20,230,144 tokens. Every record is an already-packed 1,024-token uint16 window. The source mixture was built from:

  • HFforLegal/case-law
  • PleIAs/SEC
  • HuggingFaceFW/fineweb-edu (sample-10BT)

The data pipeline applied document cleaning, exact/near deduplication, legal-evaluation decontamination, a custom 16,384-token tokenizer, EOS-delimited packing, and a deterministic 99:1 train/validation window split. Review each upstream dataset's terms before downstream commercial or regulated use; this repository does not relicense upstream data.

Validation trajectory

StepValidation lossPerplexity
1,0002.772315.9950
2,0002.522312.4573
3,0002.414911.1890
4,0002.343710.4192
5,0002.29229.8963
6,0002.25379.5232
7,0002.22889.2887
7,6432.22019.2086

Two one-H100 smoke runs preceded production. Run 1 reached validation but failed during metric-event logging; run 2 passed after that logging defect was fixed. The production run completed with no error events.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "lekhamenon28/legal-slm-125m-2ep"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

prompt = "The court held that the contractual provision"
inputs = tokenizer(prompt, return_tensors="pt")
output = model.generate(**inputs, max_new_tokens=120, do_sample=True, temperature=0.8)
print(tokenizer.decode(output[0], skip_special_tokens=True))

Limitations and safety

  • This model is not instruction-tuned and should be prompted with passage prefixes.
  • It can hallucinate cases, statutes, citations, numbers, and legal conclusions.
  • It must not be used as legal, financial, compliance, or investment advice.
  • Training data may contain errors, outdated material, biases, or personal information present in upstream sources.
  • The two-epoch experiment is shorter than the project's five-epoch reference recipe.

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
870b5e3

0 моделей