/ Модель

Характеристики

Контекст
1 024 токена
Параметры
13,1 млн
Лицензия
Apache 2.0
Архитектура
slm · dense
Опубликована
13 июн 2026

slm-10m

Генерация текстаТекст → текст3 профессии

Компактная английская причинная Transformer-модель для исследований малых языковых моделей, тестов с выбором ответа и ранжирования текста.

243скачиваний за 30 дней13лайковвеса обновлены13 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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-10M — небольшая авторская причинно-следственная Transformer-модель на 9,97 млн параметров, обученная с нуля командой liodon-ai. Она предназначена для исследований малых языковых моделей и оценки понимания текста, прежде всего для задач с выбором ответа и ранжирования по логарифмическому правдоподобию. Архитектура включает 12 слоёв, скрытый размер 256, 8 голов запросов и 2 KV-головы с GQA; словарь содержит 8 192 токена, контекст — до 1 024 токенов.

Модель обучалась на смеси текстовых данных объёмом 25 млрд токенов и поддерживает английский язык. В карточке приведены результаты zero-shot оценки на HellaSwag и ARC. Лицензия — Apache-2.0. Из-за малого размера и ограниченной ёмкости словаря модель не подходит для свободной генерации текста, диалогов и следования инструкциям; её следует применять для скоринга кандидатов, сравнительных экспериментов и исследований эффективности.

Сценарии применения

  • оценка вариантов ответа в тестах с выбором ответа
  • ранжирование продолжений по логарифмическому правдоподобию
  • сравнение релевантности документов по perplexity
  • исследования архитектур малых языковых моделей
  • бенчмаркинг эффективности моделей до 10 млн параметров

Ограничения

Модель не рассчитана на свободную генерацию, чат или выполнение инструкций: её малый размер и словарь ограничивают связность свободного текста. Контекст ограничен 1 024 токенами.

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-10M

A 9.97M parameter causal language model trained from scratch, targeting the Open SLM Leaderboard <10M tier.

Intended Use

This is a research model optimised for NLU benchmarking tasks, not open-ended generation. It is best suited for:

TaskExamples
Multiple-choice QAARC, HellaSwag, PIQA, ArithMark — score each candidate and pick the highest
Log-likelihood rankingRank candidate continuations or document relevance by perplexity
SLM researchAblations, architecture studies, efficiency benchmarks at the <10M scale
Perplexity evaluationMeasuring language model fit on held-out text corpora

It is not suited for open-ended text generation, chat, or instruction following — at 10M parameters the vocabulary (8,192 tokens) and capacity are too limited for fluent free-form output.

Model Details

PropertyValue
Parameters9,968,640 (~10M)
ArchitectureCausal Transformer
Vocabulary8,192 tokens
Context length1,024 tokens
Training tokens25B
Precisionbfloat16

Architecture

ComponentConfig
Hidden size256
Layers12
Q heads / KV heads8 / 2 (GQA)
Head dim32
FFN intermediate640
Positional encodingRoPE (θ=100k)
NormalizationRMSNorm (fp32 upcast)
ActivationSwiGLU
AttentionGQA + QK-Norm
Weight tyingEmbed ↔ LM head

Design follows SotA SLM recipes (GPT-X2, Qwen3, Gemma2): QK-Norm prevents attention logit explosion, Z-loss stabilises early training (disabled after 31B tokens), scaled residual init keeps residual stream variance bounded.

Training

Data mix (25B tokens total):

SourceWeight
FineWeb-Edu55%
Cosmopedia-v225%
FineWeb-HQ10%
FineMath10%

Optimizer: AdamW (fused) — lr=3e-3, min_lr=3e-4, β=(0.9, 0.95), wd=0.1, grad_clip=1.0

LR schedule: Warmup (1k steps) → stable → cosine decay tail (last 15% of steps)

Batch: 512K tokens/step (micro-batch 32 × grad_accum 16 × seq_len 1024)

Hardware: NVIDIA GB10, bfloat16, torch.compile

Evaluation

Zero-shot evaluation on the Open SLM Leaderboard benchmarks:

BenchmarkScore
HellaSwag (acc_norm)26.53%
ARC-Easy (acc_norm)30.47%
ARC-Challenge (acc_norm)25.00%
PIQA (acc_norm)50.92%
ArithMark-2.024.32%
Avg32.38%

Avg = (HellaSwag + (ARC-Easy + ARC-Challenge) / 2 + PIQA + ArithMark) / 4

Evaluated using lm-evaluation-harness and the ArithMark-2.0 custom benchmark script.

Usage

This model is a research artifact for benchmarking, not a chat or generation model. At 10M parameters it excels at log-likelihood ranking tasks (multiple-choice benchmarks) rather than free-text generation.

Scoring / ranking (recommended)

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
import torch.nn.functional as F

model = AutoModelForCausalLM.from_pretrained(
    "liodon-ai/slm-10m",
    trust_remote_code=True,
    dtype=torch.bfloat16,
).to("cuda")
tokenizer = AutoTokenizer.from_pretrained("liodon-ai/slm-10m", trust_remote_code=True)

def score(context, completion):
    full = tokenizer.encode(context + completion, return_tensors="pt").to("cuda")
    ctx_len = len(tokenizer.encode(context, add_special_tokens=False))
    with torch.no_grad():
        logits = model(full).logits[0]
    return -F.cross_entropy(logits[ctx_len - 1:-1], full[0, ctx_len:]).item()

context = "Which is an example of a renewable energy resource? Answer:"
choices = [" biomass", " coal", " gas", " oil"]
scores  = [score(context, c) for c in choices]
best    = choices[scores.index(max(scores))]
print(f"Best answer: {best.strip()}")
# → Best answer: biomass

Citation

@software{liodonai2026slm10m,
  author = {{Liodon AI}},
  title = {SLM-10M},
  year = {2026},
  url = {https://huggingface.co/liodon-ai/slm-10m}
}

License

Apache 2.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
SLMForCausalLM
Ревизия весов
b7113cd

0 моделей