/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1,3 млрд
Лицензия
Apache 2.0
Архитектура
olmo2 · dense
Базовая модель
OLMo-2-0425-1B-DPO
Библиотека
transformers
Опубликована
29 апр 2025

OLMo-2-0425-1B-RLVR1

Генерация текстаТекст → текст5 профессий

Англоязычная диалоговая модель OLMo 2 на 1,3 млрд параметров, дообученная с RLVR для ответов на запросы, решения математических задач и выполнения инструкций.

1 338скачиваний за 30 дней2лайкавеса обновлены30 апр 2025

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

OLMo 2 1B RLVR — диалоговая языковая модель Allen Institute for AI (AI2), дообученная на базе allenai/OLMo-2-0425-1B-DPO. Модель имеет плотную архитектуру OLMo 2, 1,3 млрд параметров и контекст до 4096 токенов; для работы с ней подходит библиотека Transformers версии 4.48 или выше.

Модель предназначена для диалога и широкого круга текстовых задач, включая математические задачи MATH и GSM8K и выполнение инструкций, проверяемое на IFEval. Обучение включало supervised fine-tuning и DPO на варианте набора Tülu 3, а затем RLVR-обучение на том же наборе. Основной язык — английский.

Модель распространяется по лицензии Apache 2.0. В карточке отмечено, что у OLMo 2 ограничено обучение безопасности и нет автоматической фильтрации ответов; при некоторых запросах она может выдавать проблемный контент.

Сценарии применения

  • ответы на запросы в текстовом диалоге
  • решение задач GSM8K
  • решение математических задач MATH
  • проверка выполнения инструкций
  • эксперименты с RLVR-дообучением языковых моделей

Ограничения

Модель имеет ограниченное обучение безопасности и не использует автоматическую фильтрацию ответов, поэтому может генерировать проблемный контент. Основной язык — английский; качество на других языках не заявлено.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OLMo 2 1B RLVR 1 April 2025 is post-trained variant of the allenai/OLMo-2-0425-1B-DPO model, which has undergone supervised finetuning on an OLMo-specific variant of the Tülu 3 dataset, further DPO training on this dataset, and final RLVR training on this dataset. Tülu 3 is designed for state-of-the-art performance on a diversity of tasks in addition to chat, such as MATH, GSM8K, and IFEval. Check out the OLMo 2 paper or Tülu 3 paper for more details!

OLMo is a series of Open Language Models designed to enable the science of language models. These models are trained on the Dolma dataset. We are releasing all code, checkpoints, logs, and associated training details.

Model description

  • Model type: A model trained on a mix of publicly available, synthetic and human-created datasets.
  • Language(s) (NLP): Primarily English
  • License: Apache 2.0
  • Finetuned from model: allenai/OLMo-2-0425-1B-DPO

Model Sources

Installation

OLMo 2 1B is supported in transformers v4.48 or higher:

pip install transformers>=4.48

If using vLLM, you will need to install from the main branch until v0.7.4 is released. Please

Using the model

Loading with HuggingFace

To load the model with HuggingFace, use the following snippet:

from transformers import AutoModelForCausalLM

olmo_model = AutoModelForCausalLM.from_pretrained("allenai/OLMo-2-0425-1B-RLVR1")

Chat template

NOTE: This is different than previous OLMo 2 and Tülu 3 models due to a minor change in configuration. It does NOT have the bos token before the rest. Our other models have <|endoftext|> at the beginning of the chat template.

The chat template for our models is formatted as:

<|user|>
How are you doing?
<|assistant|>
I'm just a computer program, so I don't have feelings, but I'm functioning as expected. How can I assist you today?<|endoftext|>

Or with new lines expanded:

<|user|>
How are you doing?
<|assistant|>
I'm just a computer program, so I don't have feelings, but I'm functioning as expected. How can I assist you today?<|endoftext|>

It is embedded within the tokenizer as well, for tokenizer.apply_chat_template.

Intermediate Checkpoints

To facilitate research on RL finetuning, we have released our intermediate checkpoints during the model's RLVR training. The model weights are saved every 20 training steps, and can be accessible in the revisions of the HuggingFace repository. For example, you can load with:

olmo_model = AutoModelForCausalLM.from_pretrained("allenai/OLMo-2-0425-1B-RLVR1", revision="step_200")

Bias, Risks, and Limitations

The OLMo-2 models have limited safety training, but are not deployed automatically with in-the-loop filtering of responses like ChatGPT, so the model can produce problematic outputs (especially when prompted to do so).

Performance

ModelAverageAlpacaEval 2 LCBBHDROPGSM8KIFEvalMATHMMLUSafetyPopQATruthQA
OLMo 1B 072424.42.429.927.910.825.32.236.652.012.144.3
SmolLM2 1.7B34.25.839.830.945.351.620.334.352.416.445.3
Gemma 3 1B38.320.439.425.135.060.640.338.970.29.643.8
Llama 3.1 1B39.310.140.232.245.454.021.646.787.213.841.5
Qwen 2.5 1.5B41.77.445.813.466.244.240.659.777.615.546.5
---
OLMo 2 1B SFT36.92.432.833.852.150.513.236.493.212.742.1
OLMo 2 1B DPO40.69.533.034.559.067.114.139.989.912.346.4
OLMo 2 1B42.79.135.034.668.370.120.740.087.612.948.7

License and use

OLMo 2 is licensed under the Apache 2.0 license. OLMo 2 is intended for research and educational use. For more information, please see our Responsible Use Guidelines.

Citation

@article{olmo20242olmo2furious,
      title={2 OLMo 2 Furious}, 
      author={Team OLMo and Pete Walsh and Luca Soldaini and Dirk Groeneveld and Kyle Lo and Shane Arora and Akshita Bhagia and Yuling Gu and Shengyi Huang and Matt Jordan and Nathan Lambert and Dustin Schwenk and Oyvind Tafjord and Taira Anderson and David Atkinson and Faeze Brahman and Christopher Clark and Pradeep Dasigi and Nouha Dziri and Michal Guerquin and Hamish Ivison and Pang Wei Koh and Jiacheng Liu and Saumya Malik and William Merrill and Lester James V. Miranda and Jacob Morrison and Tyler Murray and Crystal Nam and Valentina Pyatkin and Aman Rangapur and Michael Schmitz and Sam Skjonsberg and David Wadden and Christopher Wilhelm and Michael Wilson and Luke Zettlemoyer and Ali Farhadi and Noah A. Smith and Hannaneh Hajishirzi},
      year={2024},
      eprint={2501.00656},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2501.00656}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Olmo2ForCausalLM
Ревизия весов
12cb334

0 моделей