/ Модель

Характеристики

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

slm125mlive-base

Генерация текстаТекст → текст3 профессии

Небольшая базовая модель Llama для продолжения текста и экспериментов, обученная на судебных документах США, материалах SEC и образовательных веб-текстах.

262скачиваний за 30 дней0лайковвеса обновлены14 сен 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

SLM125mLIVE base — базовая языковая модель с 125,8 млн параметров на архитектуре Llama, разработанная nagbhaskar55 и обученная с нуля. Она предназначена для продолжения текста и экспериментов с небольшими языковыми моделями. Обучение проводилось на корпусах решений судов США, документов SEC и образовательных веб-текстов; контекст ограничен 1 024 токенами. Модель не проходила дообучение для инструкций или выравнивание и не предназначена для ответов в формате ассистента.

Модель может служить исходной точкой для экспериментов и дообучения на юридических или финансовых текстах. Проверка CaseHOLD показала результат ниже случайного выбора, поэтому модель не демонстрирует надёжного понимания юридических задач без дообучения. Она может генерировать правдоподобные, но неверные сведения, включая названия дел, ссылки на законы и финансовые показатели. Лицензия указана как other; перед использованием следует проверить условия лицензий исходных датасетов.

Сценарии применения

  • продолжение текста судебных решений
  • генерация продолжений финансовых документов SEC
  • эксперименты с дообучением небольшой языковой модели
  • оценка и исследование языковых моделей на юридических текстах

Ограничения

Модель мала, не настроена для инструкций и может генерировать правдоподобные, но вымышленные факты; в нулевом режиме результат на CaseHOLD оказался ниже случайного выбора. Лицензия указана как other, поэтому перед использованием нужно проверить условия лицензий 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

SLM125mLIVE base (125M)

A 125.8M-parameter Llama-architecture base language model pretrained from scratch on US court opinions, SEC filings, and educational web text. It is a raw pretrained model: it is not instruction-tuned or aligned, and it is not a source of legal or financial advice.

Model

ArchitectureLlamaForCausalLM, 12 layers, hidden 768, 12 heads (MHA), SwiGLU 3072, RoPE θ=10000, RMSNorm
Parameters125,847,552 (tied input/output embeddings)
Context length1024 tokens
Tokenizerbyte-level BPE, vocab 16,384, trained on this corpus
Special tokens<|bos|>=0, <|eos|>=1, <|pad|>=2, <|unk|>=3 (plus unused chat tokens)

Documents were packed into 1,024-token windows separated by <|eos|>; no BOS token was used in training, so prompts work best when prefixed with <|eos|>.

Training data

2.04B unique training tokens (plus a 20.6M-token held-out validation split: every 100th window).

SourceDocumentsTrain tokensShare
HFforLegal/case-law206,684715M35%
PleIAs/SEC45,035860M42%
HuggingFaceFW/fineweb-edu418,405464M23%

Processing: line-level filtering, boilerplate stripping, and length, repetition, language, and OCR-garble filters. Then MinHash near-duplicate removal (case law) and exact-duplicate removal. Documents sharing a 13-gram with the CaseHOLD test set were removed (24,177 documents) so the CaseHOLD result below is not contaminated.

Training

Tokens seen6.12B (11,667 steps, 3.0 epochs)
Batch524,288 tokens (512 × 1024)
OptimizerAdamW (β1=0.9, β2=0.95, wd=0.1), grad clip 1.0
LR schedule200M-token warmup to 0.0006, cosine to 6e-05
Precisionbf16 autocast, torch.compile, DDP
Hardware8× NVIDIA H100 on Modal, 2.26M tokens/s

Evaluation

Held-out validation (all 20.6M validation tokens):

SourceLossPerplexity
case-law2.1898.92
sec1.5994.95
fineweb-edu3.10522.31
All2.1498.57

Validation loss during training (2,048-window subset):

StepVal lossPerplexity
1,0002.78416.19
2,0002.53012.55
3,0002.42411.29
4,0002.36110.60
5,0002.31710.14
6,0002.2829.79
7,0002.2519.49
8,0002.2279.27
9,0002.2089.10
10,0002.1938.97
11,0002.1838.87
11,6672.1798.84

CaseHOLD (LexGLUE case_hold test, 3,600 examples, 5-way multiple choice, zero-shot). Each candidate holding is scored by its log-likelihood as the continuation of the citing text that precedes it (lm-eval-harness style):

MetricAccuracy
acc (log-likelihood)12.0%
acc_norm (per-byte log-likelihood)17.7%
Chance20%

The model does not solve CaseHOLD zero-shot. acc matches the "always pick the shortest holding" baseline (11.4%): correct holdings are longer on average (168 vs 152 characters), and summed log-likelihood favors shorter text. acc_norm removes most of that length effect but stays below chance. A lexical baseline (pick the holding that shares the most words with the context) reaches 35.0%. Treat CaseHOLD as a fine-tuning target for this model, not a zero-shot score.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("nagbhaskar55/slm125mlive-base")
model = AutoModelForCausalLM.from_pretrained("nagbhaskar55/slm125mlive-base")
ids = tok("<|eos|>The court held that", return_tensors="pt", add_special_tokens=False).input_ids
out = model.generate(ids, max_new_tokens=60, do_sample=True, temperature=0.8, top_p=0.95)
print(tok.decode(out[0], skip_special_tokens=True))

Limitations

  • Small base model: it produces fluent-looking but frequently incorrect or invented text, including invented case names, citations, statutes, and financial figures.
  • Domain skew: US court opinions (some OCR noise) and SEC filings dominate; general knowledge is limited.
  • No safety tuning, instruction tuning, or RLHF.
  • License: other. Check the licenses and terms of the source datasets before any use.

Files

  • metrics.jsonl: training log.
  • training_summary.json: run summary.
  • eval_results.json: full evaluation output, including sampled continuations.

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
e9b50fc

0 моделей