/ Модель

Характеристики

Контекст
1 024 токена
Параметры
127 млн
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
1 окт 2026

slm-125m-dpo-legacy

Генерация текстаТекст → текст

Производная модели tohio/slm-125m-dpo. Компактная диалоговая Llama-модель на 126,7 млн параметров для генерации английского текста, дообученная на инструкциях и выровненная методом DPO.

133скачиваний за 30 дней0лайковвеса обновлены1 окт 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

Карточка модели tohio/slm-125m-dpo-legacy на Hugging Face совпадает с карточкой tohio/slm-125m-dpo, поэтому описание составлено по ней.

tohio/slm-125m-dpo — компактная языковая модель на 126,7 млн параметров, созданная разработчиком tohio с нуля и выровненная для диалогового использования. Это плотный decoder-only Transformer семейства Llama с RoPE, grouped-query attention в конфигурации 12:4, блоками SwiGLU и RMSNorm; модель совместима с LlamaForCausalLM и запускается через Transformers. Контекст составляет 1024 токена.

Модель предварительно обучалась на смесях образовательных веб-данных, кода и математических рассуждений, затем прошла полное instruction-дообучение на диалогах ChatML и выравнивание предпочтений методом DPO. Она предназначена для генерации текста и коротких диалоговых ответов, в том числе простых инструкций, задач по коду и математике. Поддерживаемый язык карточки — английский. Небольшой размер удобен для экспериментов и ресурсоограниченного запуска, но ограничивает глубину рассуждений и объём учитываемого контекста. Лицензия — MIT.

Сценарии применения

  • генерация коротких ответов в диалоге
  • выполнение простых текстовых инструкций
  • черновики небольших фрагментов кода
  • ответы на базовые математические вопросы

Ограничения

Контекст ограничен 1024 токенами; из-за малого размера модели её ответы и рассуждения могут быть менее надёжными и подробными, чем у крупных языковых моделей.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tohio/slm-125m-dpo

tohio/slm-125m-dpo is a small language model (125M parameters) built from scratch and aligned end-to-end using the slm-gpt engine.

Architecture Highlights

  • Decoder-Only Transformer with Rotary Position Embeddings (RoPE)
  • Attention: Grouped-Query Attention (GQA, 12:4 ratio)
  • Activation: SwiGLU Feed-Forward Network ($d_{ffn} = 2048$)
  • Normalization: Bias-free Pre-LayerNorm / RMSNorm
  • Weight Tying: Tied input embedding (embed_tokens) and output head (lm_head)
  • Hugging Face Native: Directly compatible with LlamaForCausalLM

Pre-training Curriculum

The base model was pre-trained across an interleaved multi-source domain mixture composed of:

  • FineWeb-Edu
  • DCLM-Edu
  • The Stack-Edu
  • NuminaMath-CoT
  • OpenMathReasoning
  • SLM-Synthetic-Pretrain

Alignment Lineage

  1. Pre-training: Multi-GPU Distributed Data Parallel (DDP) over rank-disjoint memory-mapped token shards.
  2. Supervised Fine-Tuning (SFT): Full parameter instruction-tuning on ChatML formatted dialogues with prompt loss masking (ignore_index=-100).
  3. Direct Preference Optimization (DPO): Single-stage pairwise preference alignment optimizing chosen vs. rejected generations.

Prompt Format (ChatML)

This model adheres strictly to the ChatML template:

<|im_start|>system
You are a helpful AI assistant.<|im_end|>
<|im_start|>user
Write a Python script to compute the Fibonacci sequence efficiently.<|im_end|>
<|im_start|>assistant

Quick Start via transformers

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "tohio/slm-125m-dpo"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

messages = [
    {"role": "system", "content": "You are a concise AI assistant."},
    {"role": "user", "content": "Explain quantum computing in one sentence."},
]

prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

outputs = model.generate(**inputs, max_new_tokens=100, temperature=0.7, top_p=0.9)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Trained and published autonomously via slm-gpt.

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
287c9df

0 моделей