OLMo-2 300M — SFT (Supervised Fine-Tuning)
OLMo-2 ~300M の CPT モデルに Tülu-3 SFT ミックスで instruction tuning したモデルです。
質問への回答・指示への応答が可能になります。
Model Architecture
| 項目 |
値 |
| Base config |
allenai/OLMo-2-0425-1B（config のみ・重みは使用せず） |
| Parameters |
~300M |
| hidden_size |
1024 |
| num_hidden_layers |
16 |
| num_attention_heads |
16 |
| num_key_value_heads |
8 (GQA) |
| intermediate_size |
4096 |
| Tokenizer |
allenai/OLMo-2-0425-1B |
Training Pipeline
| Stage |
モデル |
データ |
トークン数 |
| 1. Pretrain |
ランダム初期化 |
FineWeb |
~1.5B |
| 2. CPT |
Stage 1 出力 |
FineWeb-Edu 60% + Wikipedia JA 40% |
~0.3B |
| 3. SFT（このモデル） |
Stage 2 出力 |
Tülu-3 SFT mixture |
100K samples |
SFT Training Details
| 項目 |
値 |
| Dataset |
allenai/tulu-3-sft-mixture (100K samples) |
| Learning rate |
5e-6 (linear decay) |
| Warmup ratio |
0.03 |
| Epochs |
2 |
| Batch size (effective) |
64 seq |
| Max seq length |
2048 |
| Hardware |
NVIDIA RTX 4090 24GB |
| Framework |
TRL SFTTrainer |
Usage
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
model_id = "your_username/olmo2-300m-sft"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.bfloat16, device_map="auto")
messages = [{"role": "user", "content": "日本語で自己紹介してください。"}]
input_text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(input_text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=200, temperature=0.7, do_sample=True)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))
Intended Use
- 英日バイリンガルの質問応答・テキスト生成
- LLM トレーニングパイプラインの学習・研究目的
- DPO（Stage 4）のベースモデルとして使用
Limitations
- DPO による alignment は未実施のため、有害な出力の抑制は限定的
- データ量・モデルサイズともに小規模のため、品質は限定的
- 事実の正確性を保証しない
Training Data Attribution
| データセット |
ライセンス |
| FineWeb-Edu (HuggingFaceFW) |
ODC-By |
| Wikipedia JA (Wikimedia) |
CC BY-SA 4.0 |
| Tülu-3 SFT mixture (AllenAI) |
混合（各サブセットのライセンスに従う） |
License
Apache 2.0
