/ Модель

Характеристики

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

slm-500m-base

Генерация текстаТекст → текст3 профессии

Базовая Llama-модель на 517,7 млн параметров для продолжения англоязычных текстов, обученная с нуля на корпусе с юридическими и финансовыми материалами.

61скачиваний за 30 дней0лайковвеса обновлены17 июл 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

thesreedath разработал slm-500m-base — базовую авторегрессионную языковую модель на архитектуре Llama с 517,7 млн параметров, обученную с нуля. Модель продолжает текст по заданному началу и предназначена для генерации продолжений, стилистически соответствующих исходному фрагменту; она не настроена на выполнение инструкций и ответы на вопросы.

Обучение проводилось на корпусе примерно из 2,19 млрд уникальных токенов с материалами судебной практики США, документами SEC и образовательными текстами FineWeb. Модель принимает текст и генерирует текст на английском языке. Длина контекста — 1024 токена. Веса опубликованы в формате safetensors, библиотека для работы — Transformers.

Модель может подойти для экспериментов с продолжением юридических и финансовых текстов, но тематический корпус сам по себе не гарантирует точности в этих областях. В README указаны ограниченная вместимость знаний и ненадёжность фактических ответов; для поиска фактов рекомендуется использовать retrieval. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение фрагментов судебных документов
  • генерация продолжений финансовых текстов
  • эксперименты с базовой языковой моделью Llama
  • изучение влияния токенизатора и размера модели на генерацию текста

Ограничения

Модель не настроена на выполнение инструкций или ответы на вопросы, а фактические знания ограничены; для достоверных ответов рекомендуется подключать поиск по источникам. Контекст ограничен 1024 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-500m-base

A 517.8M-parameter Llama-style decoder, pretrained from scratch (fresh weights, fresh tokenizer) on a legal/financial corpus. This is a base model: it completes text, it does not answer questions.

Architecture

parameters517,795,840
layers24
hidden size1280
attention heads20 (head dim 64, MHA)
MLPSwiGLU, inner 3456
normRMSNorm, pre-norm
positionsRoPE (theta 10000)
context length1024
vocab32,768 (byte-level BPE, trained on this corpus)
embeddingstied
precisionbf16

Training

  • Data: thesreedath/slm-pretraining-corpus (~2.19B unique tokens; US case law, SEC filings, fineweb-edu), cleaned, MinHash-deduplicated, and decontaminated against CaseHOLD/LexGLUE.
  • Recipe: AdamW (0.9, 0.95), wd 0.1, LR 0.0003 -> 3e-05 cosine, 200M-token warmup, global batch 524,288 tokens, grad clip 1.0.
  • Hardware: 8x B200, DDP, torch.compile.
  • Epochs: n/a | tokens seen: 0.0B

Results

metricvalue
validation perplexity7.912
bits per byten/a

Read bits-per-byte, not perplexity, when comparing this to a model with a different tokenizer. Perplexity is per-token: a larger vocabulary packs more text into each token, making each prediction harder and the perplexity higher, for a model that is doing better. We measured exactly that during this run: at step 3000 this model's perplexity (11.51) looked worse than the 125M's (11.33) while its bits-per-byte (0.694) was 3.9% better. Bits-per-byte is tokenizer-invariant and is the honest cross-model number.

What this model is not

A base model is a completer. Give it the start of a passage and it continues in-register. It does not follow instructions, and it does not reliably know facts: at this scale, knowledge capacity is roughly 2 bits per parameter. For question answering, use the fine-tuned variants; for factual reliability, use retrieval.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("thesreedath/slm-500m-base")
model = AutoModelForCausalLM.from_pretrained("thesreedath/slm-500m-base")

ids = tok("The plaintiff alleges that the defendant", return_tensors="pt")
out = model.generate(**ids, max_new_tokens=60, do_sample=True, top_k=50,
                     temperature=0.8, min_new_tokens=40)
print(tok.decode(out[0], skip_special_tokens=True))

min_new_tokens matters: a base model will otherwise sometimes emit EOS immediately.

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
4090f98

0 моделей