/ Модель

Характеристики

Контекст
1 024 токена
Параметры
126 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
17 авг 2026

slm-125m-base

Генерация текстаТекст → текст3 профессии

Небольшая базовая модель Llama, обученная с нуля для продолжения преимущественно юридических и финансовых текстов.

35скачиваний за 30 дней0лайковвеса обновлены17 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

narendraalluri/slm-125m-base — базовая причинная языковая модель в стиле Llama, разработанная автором репозитория и обученная с нуля на корпусе с приоритетом юридических текстов. Модель содержит 125,8 млн параметров, 12 слоёв и скрытый размер 768; обучалась в Transformers на 2,04 млрд токенов. Контекст — 1024 токена.

Модель предназначена для продолжения текста, прежде всего юридической и финансовой прозы: она воспроизводит соответствующий регистр и форму цитат. Это базовая модель без дообучения на инструкциях и без чат-шаблона, поэтому она не предназначена для диалога и ответов на вопросы. Модель может правдоподобно выдумывать названия дел, номера судебных сборников и суммы; для фактической опоры требуется поиск по источникам. В README отдельно предупреждают не использовать оценку CaseHOLD из-за неполной очистки обучающего корпуса и не применять модель для юридических консультаций. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение юридических документов в заданном стиле
  • генерация черновиков юридической и финансовой прозы
  • эксперименты с компактной языковой моделью, обученной с нуля
  • оценка языкового моделирования на отложенной выборке по perplexity

Ограничения

Это базовая модель без обучения на инструкциях и чат-данных; она не предназначена для выполнения запросов и может выдумывать факты, цитаты и числа. README предупреждает о неполной проверке пересечений с CaseHOLD и запрещает использовать результаты этой оценки как достоверные; модель не подходит для юридических консультаций.

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-125m-base

A 125.8M-parameter Llama-style causal LM pretrained from random weights on a legal-first corpus. No distillation, no fine-tuning from an existing checkpoint: the tokenizer, the corpus and the weights were all built from scratch.

Architecture

FieldValue
parameters125,847,552
layers12
hidden size768
attention heads12 (head dim 64), MHA
MLPSwiGLU, inner 3072
normRMSNorm, pre-norm
positionsRoPE (theta 10000)
context length1024
vocab16,384 (byte-level BPE, trained on this corpus)
embeddingstied (input = output)

Because embeddings are tied, model.safetensors contains no lm_head.weight — it is shared with the input embedding. That is expected, not a truncated upload.

Training data

Legal-first mix, cleaned and deduplicated from scratch (~40/40/20):

SourceRole
HFforLegal/case-law (US)US case law, strict OCR gate
PleIAs/SECSEC filings
HuggingFaceFW/fineweb-edugeneral web, kept as a fluency floor

Pipeline: quality/language/OCR filtering, MinHash near-dedup, exact dedup, and 13-gram decontamination against the CaseHOLD benchmark via LexGLUE's case_hold config, which is held out. That removed 24,002 case-law and 175 SEC documents. Result: 2.04B training tokens packed into 1024-token windows.

Contamination caveat (measured, please read before benchmarking)

Decontamination used LexGLUE's case_hold config (480,908 13-grams). A later audit found the standalone casehold/casehold dataset contributes 796,649 additional 13-grams that were never screened — LexGLUE covers only 38% of them. 5.1% of the retained corpus matches at least one (case-law 5.69%, SEC 2.35%).

Treat that 5.1% as an upper bound rather than a leakage rate: SEC filings should contain no CaseHOLD case-law text, so their 2.35% is largely innocent collision on legal boilerplate, and a 13-gram overlap in a citing context is not the same as leaking CaseHOLD's multiple-choice answer. Still, do not quote a CaseHOLD score for this model and treat any LexGLUE case_hold number as optimistic. The honest metric for this model is held-out perplexity on its own validation split, which is what is reported above.

Training

KnobValue
tokens seen2.04B (1 epoch)
steps3,890
hardware8x H100, single node, DDP
wall clock / cost~13.4 min, $7.05
optimizerAdamW (0.9, 0.95), wd 0.1
LR0.0006 -> 6e-05, cosine
batch~524K tokens/step
precisionbf16

Held-out validation perplexity: 10.42.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("narendraalluri/slm-125m-base")
model = AutoModelForCausalLM.from_pretrained("narendraalluri/slm-125m-base")

ids = tok("The plaintiff alleges that the defendant", return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=80, min_new_tokens=40, do_sample=True,
                     temperature=0.8, top_p=0.95, top_k=50, repetition_penalty=1.1)
print(tok.decode(out[0], skip_special_tokens=True))

Pass min_new_tokens — a base model at this scale will happily emit EOS immediately.

Honest limitations

This is a base completer, not an assistant. It has never seen instruction data or a chat template (the tokenizer carries <|user|>/<|assistant|> tokens, but training never used them), so it will not follow instructions or answer questions.

It writes fluent legal and financial prose with correct register and citation form, and it invents the content: case names, reporter numbers and dollar figures are plausible fabrications. Perplexity is the honest metric here; factual grounding needs retrieval. Do not use it for legal advice.

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
e642bc9

0 моделей