/ Модель

Характеристики

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

slm-125m-base

Генерация текстаТекст → текст3 профессии

Базовая англоязычная модель Llama на 125,8 млн параметров, обученная с нуля на юридических, финансовых и образовательных текстах для продолжения текста и последующих экспериментов с дообучением.

29скачиваний за 30 дней2лайкавеса обновлены4 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

slm-125m-base — языковая модель Prajwal55 с архитектурой Llama, обученная с нуля на корпусах судебных дел США, документах SEC и образовательных веб-текстах. Это базовая модель на 125,8 млн параметров без дообучения на инструкциях, RLHF и выравнивания безопасности: она продолжает заданный текст, но не предназначена для выполнения инструкций. Модель принимает текст и генерирует текст на английском языке; контекст ограничен 1024 токенами.

Обучение охватило 1,92 млрд токенов, около 76% которых составили юридические тексты. На CaseHOLD модель показала 19,5% в тесте с выбором из пяти вариантов; автор характеризует результат как близкий к случайному и предназначенный для ориентира при последующем дообучении, а не как свидетельство юридических рассуждений. Модель невелика и может быть полезна как исходная точка для экспериментов с дообучением и генерацией продолжений в узкой англоязычной области. В корпусе судебных дел сохранился OCR-шум. Лицензия — Apache-2.0; модель не подходит для принятия решений с юридическими или финансовыми последствиями.

Сценарии применения

  • продолжение англоязычных текстов о судебных делах США
  • генерация продолжений текстов по документам SEC
  • эксперименты с дообучением небольшой языковой модели на юридических данных

Ограничения

Модель не обучена следовать инструкциям и имеет контекст 1024 токена; результат CaseHOLD близок к случайному уровню, а в юридических текстах возможен OCR-шум. Не предназначена для юридических или финансовых рекомендаций и для решений, где ошибка может повлечь последствия.

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 126M-parameter Llama-architecture base model pretrained from scratch on US case law, SEC filings, and educational web text. Trained on 8xH100 for ~28 minutes at a total project cost of roughly $18.

This is a base model. It has had no instruction tuning, no RLHF, and no safety alignment. It completes text; it does not follow instructions.

Architecture

Parameters125,847,552
Layers / hidden / heads12 / 768 / 12
Context length1024
Vocab16384 (byte-level BPE trained on this corpus)
Tied embeddingsTrue

Training data

1.92B tokens, ~76% legal:

SourceTokensShare
PleIAs/SEC819M43%
HFforLegal/case-law639M33%
HuggingFaceFW/fineweb-edu463M24%

Pipeline: deterministic rule-based cleaning (line filters, boilerplate stripping, repetition and language gates, plus a dictionary-based OCR gate on case law) then MinHash near-dedup, exact dedup, and 13-gram decontamination against the CaseHOLD evaluation set.

Training

2 epochs (3.84B tokens seen), AdamW, cosine schedule to a 6e-05 cooldown, bf16, sequence length 1024, global batch 524,288 tokens.

Results

MetricValue
Val perplexity (held-out 1%)9.07
CaseHOLD (zero-shot, 5-way)19.5%

CaseHOLD is measured on data excluded from training by 13-gram decontamination, so it is not inflated by leakage. Expect near-chance zero-shot performance: a 125M base model with no task tuning is not competitive on multiple-choice legal reasoning, and this number is a baseline for fine-tuning, not a capability claim.

Limitations

Small, base-only, English-only, 1024-token context. Case-law inputs contain OCR noise that survives filtering. Not legal or financial advice and not suitable for any use where an incorrect statement of law carries consequences.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
6a15dc7

0 моделей