/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
134 млн
Архитектура
llama · dense
Базовая модель
SmolLM-135M
Библиотека
transformers
Опубликована
30 авг 2026

cpt-demo-sft-mixed

Генерация текстаТекст → текст3 профессии

Экспериментальный компактный англоязычный ассистент на базе SmolLM-135M для простых бесед, объяснений по ИИ и учебных экспериментов.

24скачиваний за 30 дней0лайковвеса обновлены30 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

CPT Demo SFT Mixed — экспериментальный англоязычный чат-ассистент на базе HuggingFaceTB/SmolLM-135M, разработанный автором репозитория vlpMilad. Это плотная причинная языковая модель с архитектурой, совместимой с Llama, примерно на 134,5 млн параметров и контекстом до 2048 токенов; веса опубликованы в формате safetensors. Модель прошла непрерывное предобучение на очищенных текстах 392 научных статей по ИИ и информатике, а затем дообучение на смеси научных инструкций и обычных диалогов. Опубликованный чекпойнт объединённый и не требует отдельного LoRA-адаптера при инференсе.

Модель предназначена для лёгких бесед на английском языке, простых объяснений концепций ИИ и машинного обучения, а также учебных экспериментов с CPT и SFT и исследовательских прототипов с проверкой ответов человеком. У неё ограничены фактические знания и способность к рассуждению; она может галлюцинировать, давать технически неточные ответы, повторяться, обрывать ответы и нарушать строгий формат. Формальных результатов бенчмарков для этой версии нет, а внутренние значения validation loss не являются сопоставимыми оценками качества. Модель не обучалась как персидский ассистент и не предназначена для важных решений. Базовая модель и часть данных имеют лицензию Apache-2.0, но автор не заявляет общую лицензию на все возможные способы использования из-за сторонних материалов; перед распространением или коммерческим применением следует проверить условия базовой модели, датасетов и исходных статей.

Сценарии применения

  • лёгкие беседы на английском языке
  • простые объяснения понятий ИИ и машинного обучения
  • эксперименты с непрерывным предобучением малых языковых моделей
  • эксперименты с дообучением языковых моделей на инструкциях
  • создание исследовательских прототипов с проверкой ответов человеком

Ограничения

Модель может галлюцинировать, давать технически неточные ответы, повторяться, обрывать генерацию и нарушать строгие инструкции; для этой версии не представлены формальные бенчмарки. Она не предназначена для высокорисковых решений, а условия сторонних обучающих материалов требуют отдельной проверки перед распространением или коммерческим использованием.

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

CPT Demo SFT Mixed

cpt-demo-sft-mixed is an experimental, English-language, 135M-parameter-class assistant based on HuggingFaceTB/SmolLM-135M. It was adapted in two stages:

  1. continual pretraining (CPT) on cleaned text extracted from recent AI and computer-science papers; and
  2. supervised fine-tuning (SFT) on a mixture of scientific instructions and general conversations.

خلاصهٔ فارسی: این مدل یک دستیار آزمایشی انگلیسی‌زبان بر پایهٔ SmolLM-135M است. مدل ابتدا روی متن پاک‌سازی‌شدهٔ ۳۹۲ مقالهٔ علمی CPT شده و سپس با ۴۱٬۹۶۰ نمونهٔ آموزشی علمی و مکالمه‌ای SFT شده است. این نسخه هنوز مدل فارسی نیست و برای کاربردهای حساس یا پاسخ‌های کاملاً دقیق مناسب نیست.

Model details

PropertyValue
Base modelHuggingFaceTB/SmolLM-135M
ArchitectureLlama-compatible causal language model
ParametersApproximately 135M
Context length used in training2,048 tokens
Primary languageEnglish
Prompt formatChatML
Release formatMerged Transformers/Safetensors model
Intended useLearning, experimentation, and lightweight scientific/general assistance

This repository contains the merged mixed-SFT checkpoint. It does not require a separate LoRA adapter at inference time.

Training data

Stage 1: continual pretraining

The CPT corpus was built from 392 cleaned arXiv papers. The collection originally contained 400 downloaded files; eight malformed text extractions were removed before dataset creation.

CPT splitDocuments
Training342
Validation50
Total392

The downloader targeted the following arXiv categories: cs.AI, cs.CL, cs.CV, cs.LG, cs.RO, cs.IR, cs.NE, cs.HC, cs.MA, and cs.CR.

Stage 2: mixed supervised fine-tuning

The SFT mixture combined scientific instructions with general conversations. Each source contributed 100 held-out validation examples.

SourceTraining examplesValidation examplesPurpose
paperbd/paper_instructions_300K-v129,900100Scientific instructions derived from ML/AI papers
HuggingFaceTB/smol-smoltalk9,900100General instruction-following conversations
HuggingFaceTB/smoltalk, everyday-conversations config2,160100Short everyday conversations
Total41,960300

Scientific examples use synthetic instruction/response data. Consequently, the model may inherit factual errors, omissions, formatting artifacts, or biases from the source papers and generation pipeline.

Training procedure

Both stages used parameter-efficient LoRA training with rank 32 and alpha 32 on the attention and MLP projection layers. The final weights were merged for distribution.

SettingCPTMixed SFT
Epochs11
Optimizer steps1,833886
Per-device batch size42
Gradient accumulation28
Effective batch size816
Learning rate2e-42e-4
LoRA rank / alpha32 / 3232 / 32
Maximum sequence length2,0482,048

For mixed SFT, examples were packed and loss was applied only to assistant responses. The best validation checkpoint was loaded at the end of training.

Training metrics

StageBest validation lossStepEpoch
CPT3.28711,000—
Mixed SFT1.13228000.904

These losses are internal validation metrics from different training stages and are not standardized benchmark scores. Formal benchmark results for this exact release are not currently reported, so these values should not be used to claim superiority over the base model or other models.

An experimental DPO checkpoint was also trained, but it was excluded from this release after qualitative regression testing. This repository intentionally publishes the mixed-SFT checkpoint.

Usage

Install the runtime dependencies:

pip install torch transformers accelerate safetensors

The model was trained with ChatML formatting. The following example constructs that prompt explicitly, so it does not depend on a tokenizer-side chat template:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "vlpMilad/cpt-demo-sft-mixed"

tokenizer = AutoTokenizer.from_pretrained(model_id)
dtype = torch.bfloat16 if torch.cuda.is_available() else torch.float32
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    dtype=dtype,
    device_map="auto",
)

system_prompt = (
    "You are a helpful, respectful, and honest assistant. "
    "Answer general questions naturally and directly. You are also knowledgeable "
    "about AI, deep learning, machine learning research, and their applications. "
    "If you do not know an answer, say so instead of making it up."
)
user_prompt = "Explain overfitting in neural networks in simple terms."

prompt = (
    f"<|im_start|>system\n{system_prompt}<|im_end|>\n"
    f"<|im_start|>user\n{user_prompt}<|im_end|>\n"
    "<|im_start|>assistant\n"
)
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

with torch.no_grad():
    output = model.generate(
        **inputs,
        max_new_tokens=128,
        do_sample=False,
        eos_token_id=tokenizer.eos_token_id,
        pad_token_id=tokenizer.eos_token_id,
    )

new_tokens = output[0, inputs.input_ids.shape[1]:]
print(tokenizer.decode(new_tokens, skip_special_tokens=True))

The system prompt is input context, not a guaranteed permanent identity. You can replace it with a different behavior or identity description, but a model of this size may not follow every instruction reliably.

Intended uses

This model is intended for:

  • educational experiments with CPT, SFT, and small language models;
  • lightweight English conversation;
  • simple explanations of AI and machine-learning concepts; and
  • research prototypes where outputs are reviewed by a human.

It is not intended to be an authoritative source or an autonomous decision-maker.

Limitations

  • The model is English-only; this release was not trained as a Persian assistant.
  • At roughly 135M parameters, its factual knowledge and reasoning ability are limited.
  • It can hallucinate facts or give technically inaccurate explanations.
  • It may repeat phrases, stop mid-answer, or fail strict formatting and counting instructions.
  • Scientific coverage is limited to the selected corpus and does not guarantee that a particular question was present in training.
  • It has not undergone a comprehensive safety evaluation.
  • Do not rely on it for medical, legal, financial, security-critical, or other high-stakes decisions.

Users should validate important claims against reliable primary sources.

Licensing and attribution

The base model is released under the Apache License 2.0. HuggingFaceTB/smol-smoltalk is also tagged Apache-2.0. The scientific dataset card states that it is for educational purposes and asks users to ensure compatibility with the licenses and terms of the original source papers.

Because the training mixture includes third-party material with source-dependent terms, this model card does not declare a blanket license for all possible downstream uses. Users are responsible for reviewing the licenses and terms of the base model, datasets, and original papers before redistribution or commercial use.

Acknowledgements

This project builds on SmolLM and datasets published by Hugging Face, as well as the scientific instruction dataset published by paperbd. Thanks to their authors and contributors.

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
d35c04e

0 моделей