/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,9 млрд
Размер весов
29,2 ГБ
Лицензия
Apache 2.0
Архитектура
olmo2 · dense
Опубликована
29 окт 2024

OLMo-2-1124-7B

Генерация текстаТекст → текст6 профессий

Базовая англоязычная модель Ai2 на 6,9 млрд параметров для генерации текста и дальнейшей адаптации.

87 202скачиваний за 30 дней72лайкавеса обновлены6 янв 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 7B — плотная авторегрессионная языковая модель на архитектуре Transformer, разработанная Allen Institute for AI (Ai2). Модель содержит 6,9 млрд параметров и обучена на 4 трлн токенов; базовое предобучение использует смеси OLMo-Mix-1124 и Dolmino-Mix-1124. Контекстное окно составляет 4096 токенов. Для этого чекпойнта карточка указывает английский язык и лицензию Apache 2.0.

Модель предназначена для генерации продолжений текста и служит базой для последующей адаптации под конкретные задачи. Она показывает улучшения по ряду оценок относительно оригинальной OLMo 7B, включая рост результата MMLU на 9 пунктов. Это базовая языковая модель, а не специализированный диалоговый ассистент: её ответы могут содержать фактические ошибки, предвзятость или вредный контент, поэтому результаты следует проверять, а при развертывании — учитывать меры безопасности.

Сценарии применения

  • генерация продолжения английского текста
  • создание черновиков и вариантов формулировок
  • ответы на вопросы после адаптации под задачу
  • дообучение на предметных или корпоративных данных

Ограничения

Как базовая модель без фильтрации безопасности, она может выдавать вредный или предвзятый контент; её ответы могут быть неточными и требуют проверки. Контекстное окно ограничено 4096 токенами.

Для каких профессий подходит6

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

Model Details

Model Card for OLMo 2 7B

We introduce OLMo 2, a new family of 7B and 13B models featuring a 9-point increase in MMLU, among other evaluation improvements, compared to the original OLMo 7B model. These gains come from training on OLMo-mix-1124 and Dolmino-mix-1124 datasets and staged training approach.

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 (coming soon), and associated training details.

SizeTraining TokensLayersHidden SizeAttention HeadsContext Length
OLMo 2-7B4 Trillion324096324096
OLMo 2-13B5 Trillion405120404096

The core models released in this batch include the following:

StageOLMo 2 7BOLMo 2 13B
Base Modelallenai/OLMo-2-1124-7Ballenai/OLMo-2-1124-13B
SFTallenai/OLMo-2-1124-7B-SFTallenai/OLMo-2-1124-13B-SFT
DPOallenai/OLMo-2-1124-7B-DPOallenai/OLMo-2-1124-13B-DPO
Final Models (RLVR)allenai/OLMo-2-1124-7B-Instructallenai/OLMo-2-1124-13B-Instruct
Reward Model (RM)allenai/OLMo-2-1124-7B-RM(Same as 7B)

Installation

OLMo 2 will be supported in the next version of Transformers, and you need to install it from the main branch using:

pip install --upgrade git+https://github.com/huggingface/transformers.git

Inference

You can use OLMo with the standard HuggingFace transformers library:

from transformers import AutoModelForCausalLM, AutoTokenizer
olmo = AutoModelForCausalLM.from_pretrained("allenai/OLMo-2-1124-7B")
tokenizer = AutoTokenizer.from_pretrained("allenai/OLMo-2-1124-7B")
message = ["Language modeling is "]
inputs = tokenizer(message, return_tensors='pt', return_token_type_ids=False)
# optional verifying cuda
# inputs = {k: v.to('cuda') for k,v in inputs.items()}
# olmo = olmo.to('cuda')
response = olmo.generate(**inputs, max_new_tokens=100, do_sample=True, top_k=50, top_p=0.95)
print(tokenizer.batch_decode(response, skip_special_tokens=True)[0])
>> 'Language modeling is  a key component of any text-based application, but its effectiveness...'

For faster performance, you can quantize the model using the following method:

AutoModelForCausalLM.from_pretrained("allenai/OLMo-2-1124-7B", 
    torch_dtype=torch.float16, 
    load_in_8bit=True)  # Requires bitsandbytes

The quantized model is more sensitive to data types and CUDA operations. To avoid potential issues, it's recommended to pass the inputs directly to CUDA using:

inputs.input_ids.to('cuda')

We have released checkpoints for these models. For pretraining, the naming convention is stepXXX-tokensYYYB. For checkpoints with ingredients of the soup, the naming convention is stage2-ingredientN-stepXXX-tokensYYYB

To load a specific model revision with HuggingFace, simply add the argument revision:

olmo = AutoModelForCausalLM.from_pretrained("allenai/OLMo-2-1124-7B", revision="step1000-tokens5B")

Or, you can access all the revisions for the models via the following code snippet:

from huggingface_hub import list_repo_refs
out = list_repo_refs("allenai/OLMo-2-1124-7B")
branches = [b.name for b in out.branches]

Fine-tuning

Model fine-tuning can be done from the final checkpoint (the main revision of this model) or many intermediate checkpoints. Two recipes for tuning are available.

  1. Fine-tune with the OLMo repository:
torchrun --nproc_per_node=8 scripts/train.py {path_to_train_config} \
    --data.paths=[{path_to_data}/input_ids.npy] \
    --data.label_mask_paths=[{path_to_data}/label_mask.npy] \
    --load_path={path_to_checkpoint} \
    --reset_trainer_state

For more documentation, see the GitHub readme.

  1. Further fine-tuning support is being developing in AI2's Open Instruct repository. Details are here.

Model Description

  • Developed by: Allen Institute for AI (Ai2)
  • Model type: a Transformer style autoregressive language model.
  • Language(s) (NLP): English
  • License: The code and model are released under Apache 2.0.
  • Contact: Technical inquiries: olmo@allenai.org. Press: press@allenai.org
  • Date cutoff: Dec. 2023.

Model Sources

Evaluation

Core model results for OLMo 2 7B and 13B models are found below.

ModelTrain FLOPsAverageARC/CHSwagWinoGMMLUDROPNQAGIEvalGSM8kMMLUProTriviaQA
Open weights models:
Llama-2-13B1.6·10²³54.167.383.974.955.745.638.441.528.123.981.3
Mistral-7B-v0.3n/a58.878.383.177.763.551.837.247.340.13079.3
Llama-3.1-8B7.2·10²³61.879.581.676.666.956.433.951.356.534.780.3
Mistral-Nemo-12Bn/a66.985.285.681.569.569.239.754.762.136.784.6
Qwen-2.5-7B8.2·10²³67.489.589.774.274.455.829.963.781.545.869.4
Gemma-2-9B4.4·10²³67.889.587.378.870.6633857.370.14281.8
Qwen-2.5-14B16.0·10²³72.294948079.351.537.37183.452.879.1
Partially open models:
StableLM-2-12B2.9·10²³62.281.984.577.762.455.537.650.96229.379.9
Zamba-2-7Bn/c65.292.289.479.668.551.736.555.567.232.878.8
Fully open models:
Amber-7B0.5·10²³35.244.974.565.524.726.118.721.84.811.759.3
OLMo-7B1.0·10²³38.346.478.168.528.327.324.823.79.212.164.1
MAP-Neo-7B2.1·10²³49.678.472.869.25839.428.945.812.525.965.1
OLMo-0424-7B0.9·10²³50.766.980.173.654.35029.643.927.722.158.8
DCLM-7B1.0·10²³56.979.882.377.364.439.328.847.546.131.372.1
OLMo-2-1124-7B1.8·10²³62.979.883.877.263.760.836.950.467.53178
OLMo-2-1124-13B4.6·10²³68.383.586.481.567.570.746.754.275.135.181.9

Model Details

Pretraining

OLMo 2 7BOLMo 2 13B
Pretraining Stage 1(OLMo-Mix-1124)4 trillion tokens(1 epoch)5 trillion tokens(1.2 epochs)
Pretraining Stage 2(Dolmino-Mix-1124)50B tokens (3 runs)merged100B tokens (3 runs)300B tokens (1 run)merged
Post-training(Tulu 3 SFT OLMo mix)SFT + DPO + PPO(preference mix)SFT + DPO + PPO(preference mix)

Stage 1: Initial Pretraining

  • Dataset: OLMo-Mix-1124 (3.9T tokens)
  • Coverage: 90%+ of total pretraining budget
  • 7B Model: ~1 epoch
  • 13B Model: 1.2 epochs (5T tokens)

Stage 2: Fine-tuning

  • Dataset: Dolmino-Mix-1124 (843B tokens)
  • Three training mixes:
    • 50B tokens
    • 100B tokens
    • 300B tokens
  • Mix composition: 50% high-quality data + academic/Q&A/instruction/math content

Model Merging

  • 7B Model: 3 versions trained on 50B mix, merged via model souping
  • 13B Model: 3 versions on 100B mix + 1 version on 300B mix, merged for final checkpoint

Bias, Risks, and Limitations

Like any base language model or fine-tuned model without safety filtering, these models can easily be prompted by users to generate harmful and sensitive content. Such content may also be produced unintentionally, especially in cases involving bias, so we recommend that users consider the risks when applying this technology. Additionally, many statements from OLMo or any LLM are often inaccurate, so facts should be verified.

Citation

@misc{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}, 
}

Model Card Contact

For errors in this model card, contact olmo@allenai.org.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Olmo2ForCausalLM
Ревизия весов
7df9a82

0 моделей