/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,2 млрд
Лицензия
Apache 2.0
Архитектура
olmo · dense
Опубликована
31 окт 2024

AMD-OLMo-1B

Генерация текстаТекст → текст3 профессии

AMD-OLMo-1B — базовая языковая модель AMD на 1,2 млрд параметров для генерации текста и дальнейшей адаптации.

305скачиваний за 30 дней25лайковвеса обновлены17 ноя 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

AMD разработала AMD-OLMo-1B — плотную авторегрессионную языковую модель семейства OLMo, обученную с нуля на графических ускорителях AMD Instinct MI250. Модель содержит 1,2 млрд параметров и обучалась на подмножестве Dolma v1.7 объёмом 1,3 трлн токенов. В репозитории представлены предварительно обученная модель, а также отдельные варианты SFT и SFT-DPO; этот чекпойнт — предварительно обученная базовая модель.

Модель предназначена для генерации текста и может служить основой для адаптации под инструкции и диалоговые сценарии. Архитектура включает 16 слоёв и поддерживает контекст до 2048 токенов. Многоязычные возможности не проверялись, поэтому качество работы на языках, отличных от английского, не установлено.

Модель опубликована под лицензией Apache-2.0. Разработчик предупреждает, что ответы могут содержать фактические ошибки, вредный, токсичный или предвзятый контент; модель не предназначена для критически важных, медицинских и требующих высокой достоверности сценариев и не имеет гарантий безопасности.

Сценарии применения

  • генерация продолжений текста
  • создание базовой модели для дообучения под инструкции
  • эксперименты с языковыми моделями семейства OLMo

Ограничения

Многоязычные возможности не проверялись; ответы могут быть фактически неверными, токсичными, вредными или предвзятыми. Модель не предназначена для критически важных и медицинских применений и не имеет гарантий безопасности.

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

AMD-OLMo

AMD-OLMo are a series of 1B language models trained from scratch by AMD on AMD Instinct™ MI250 GPUs. The training code used is based on OLMo. We release the pre-trained model, supervised fine-tuned model, and DPO aligned model as follows:

Description:

  • Hardware: Each compute node consists of 4 AMD Instinct™ MI250 GPUs. We use 16 nodes for pretraining AMD-OLMo-1B

  • Training throughput: 12,200 tokens/sec/gpu

  • Model architecture: AMD-OLMo-1B is based on the model architecture and training set up of fully open source 1 billion version of OLMo-1B with the details below:

    Parameter sizeNumber of layersNumber of headsHidden sizeContext lengthVocabulary Size
    1.2B16162048204850,280
  • Hyper-parameters:

    StageLR schedulePeak LRWarmup stepsEpochsBatch size (tokens)
    PretrainingCosine4.0e-4200014M
    SFT Phase 1Linear2.0e-52003262K
    SFT Phase 2Linear2.0e-520031024K
    DPOCosine4.0e-647164K

For more details, please refer to our blog.

Usage

PyTorch on AMD GPUs

For running pytorch on AMD GPUs you can use the following rocm docker as in docker hub

docker pull rocm/pytorch:latest
# Inside docker
pip install transformers

Use Example

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("amd/AMD-OLMo-1B-SFT").to("cuda") # remove .to("cuda") to load on cpu
tokenizer = AutoTokenizer.from_pretrained("amd/AMD-OLMo-1B-SFT")

prompt = "What is large language model?"
bos = tokenizer.eos_token
template = bos + "<|user|>\n{prompt}\n<|assistant|>\n"

input_text = template.format(prompt=prompt)
inputs = tokenizer([input_text], return_tensors='pt', return_token_type_ids=False).to("cuda")
outputs = model.generate(**inputs, max_new_tokens=1000, do_sample=True, top_k=50, top_p=0.95)
print(tokenizer.batch_decode(outputs, skip_special_tokens=True)[0])

Main Results

Pretraining Results

Standard BenchmarksTinyLLaMA-v1.1 (1.1B)MobiLLaMA-1B (1.2B)OLMo-1B (1.2B)OpenELM-1_1B (1.1B)OLMo-1B-0724-hf (1.2B)AMD-OLMo-1B (1.2B)
arc_easy55.4756.6557.2855.4356.6563.64
arc_challenge32.6832.0031.0632.3432.3433.70
hellaswag61.4761.8062.9264.8166.1263.61
piqa73.5675.3075.1475.5775.0875.57
boolq55.9960.8361.7463.5866.1860.58
sciq89.3088.2087.0090.6092.7093.20
winogrande59.4359.2759.9861.7261.7261.64
openbookqa36.8035.4036.2036.2035.6035.80
mmlu (0-shot)25.0224.8124.2325.2625.4524.88
gsm8k (8-shot)1.820.002.502.818.952.88
bbh (3-shot)25.630.0025.6316.7721.6720.95
Average47.0244.9347.6147.7349.3148.77

Instruction Tuning Results

Standard BenchmarksTinyLlama-1.1B-Chat-v1.0 (1.1B)MobiLlama-1B-Chat (1.2B)OpenELM-1_1B-Instruct (1.1B)AMD-OLMo-1B-SFT (1.2B)AMD-OLMo-1B-SFT-DPO (1.2B)
arc_easy54.4257.4152.4463.6864.31
arc_challenge32.8534.5637.8037.1237.37
hellaswag60.4062.5171.2961.6361.91
piqa74.4875.7375.0374.4374.16
boolq61.0455.6670.2868.5370.24
sciq88.4087.1089.5091.2092.10
winogrande60.5460.7762.1960.2260.62
openbookqa37.2036.8039.2037.4040.20
mmlu24.6125.2525.5429.9730.52
gsm8k (8-shot)2.810.231.8218.2015.77
bbh (3-shot)26.830.0013.4025.1725.45
Average47.6045.0948.9551.6052.06
Chat BenchmarksTinyLlama-1.1B-Chat-v1.0 (1.1B)MobiLlama-1B-Chat (1.2B)OpenELM-1_1B-Instruct (1.1B)AMD-OLMo-1B-SFT (1.2B)AMD-OLMo-1B-SFT-DPO (1.2B)
AlpacaEval 1 (Win Rate)50.8134.9037.7250.1254.22
AlpacaEval 2 (LC Win Rate)1.541.590.493.882.37
MTBench3.382.89-4.354.10
Responsible AI BenchmarksTinyLlama-1.1B-Chat-v1.0 (1.1B)MobiLlama-1B-Chat (1.2B)OpenELM-1_1B-Instruct (1.1B)AMD-OLMo-1B-SFT (1.2B)AMD-OLMo-1B-SFT-DPO (1.2B)
ToxiGen41.7037.2342.3439.0439.68
crows_pairs60.3558.5059.9360.2961.00
TruthfulQA-mc237.9238.4645.8437.4540.06

*In generating tokens for chat benchmark evaluations, we use max_length=2048 for AlpacaEval and max_new_tokens=2048 for MTBench.

*All numbers in above tables were obtained from our evaluations.

Evaluation

We use the following open source evaluation frameworks for evaluating our models:

  • Language Model Evaluation Harness: For evaluating on commonsense reasoning, multi-task understanding & responsible AI benchmarks
  • AlpacaEval: For evaluating instruction-following capabilities of chat models.
  • MT-Bench: For evaluating multi-turn capabilities of chat models.

Setup

# lm-eval-harness
git clone https://github.com/EleutherAI/lm-evaluation-harness
cd lm-evaluation-harness
pip install -e .

# AlpacaEval
pip install git+https://github.com/tatsu-lab/alpaca_eval
cd alpaca_eval
pip install -e .

# MT-Bench
git clone https://github.com/lm-sys/FastChat.git
cd FastChat
pip install -e ".[model_worker,llm_judge]"

Run evaluation

# lm-eval-harness
HF_MODEL=amd/AMD-OLMo-1B-SFT-DPO
accelerate launch -m lm_eval --model hf \
    --model_args pretrained=$HF_MODEL,trust_remote_code=True \
    --tasks arc_easy,arc_challenge,hellaswag,piqa,boolq,sciq,winogrande,openbookqa,mmlu,gsm8k_cot,bbh_cot_fewshot,toxigen,truthfulqa,crows_pairs \
    --device cuda \
    --batch_size 32 \
    --output_path ./lm-eval-results/$HF_MODEL

Training

Setup

WORK_DIR="<path_to_your_working_directory>"
cd $WORK_DIR
# Clone OLMo codebase:
git clone https://github.com/allenai/OLMo.git --branch v0.3.0
cd OLMo
# Clone AMD-OLMo that contains files to reproduce our model training
git clone https://huggingface.co/amd/AMD-OLMo

docker pull rocm/pytorch:latest
docker run -it --network=host --device=/dev/kfd --device=/dev/dri --group-add=video --ipc=host --cap-add=SYS_PTRACE --security-opt seccomp=unconfined --shm-size 8G -v $WORK_DIR/OLMo:/OLMo -w /OLMo rocm/pytorch:latest

# Remove Line 17 as the docker already has ROCm PyTorch installed
sed -i '17d' pyproject.toml
pip install -e .[all]

Download and prepare pretraining datasets

# Download
DATA_DIR=./datasets/dolma
mkdir -p $DATA_DIR

PARALLEL_DOWNLOADS="<number_of_parallel_downloads>"
cat "AMD-OLMo/dolma_v1_7_subset.txt" | xargs -n 1 -P $PARALLEL_DOWNLOADS wget -q -P $DATA_DIR

# Prepare
NUM_WORKERS="<number_of_workers>"
python scripts/prepare_memmap_dataset.py $DATA_DIR/*.json.gz -o $DATA_DIR/memmap_dataset --workers $NUM_WORKERS

Download and prepare SFT datasets

# 1st phase SFT dataset
python AMD-OLMo/prepare_sft_data.py --output_dir ./datasets/tulu --tokenizer tokenizers/allenai_eleuther-ai-gpt-neox-20b-pii-special.json --dataset tulu

# 2nd phase SFT dataset
python AMD-OLMo/prepare_sft_data.py --output_dir ./datasets/OpenHermes_WebInstructSub_CodeFeedBack --tokenizer tokenizers/allenai_eleuther-ai-gpt-neox-20b-pii-special.json --dataset 2nd-phase

Run Training

Pretrainig config: AMD-OLMo-1B.yaml

SFT config: AMD-OLMo-1B-SFT-1st-phase.yaml and AMD-OLMo-1B-SFT-2nd-phase.yaml

# Single node
HSA_FORCE_FINE_GRAIN_PCIE=1 OMP_NUM_THREADS=128 NCCL_DEBUG=INFO torchrun --nproc_per_node=8 ./scripts/train.py AMD-OLMo/AMD-OLMo-1B.yaml

# Multiple nodes
HSA_FORCE_FINE_GRAIN_PCIE=1 OMP_NUM_THREADS=128 NCCL_DEBUG=INFO torchrun --nnodes=$nnodes --node-rank=$node_rank --master_addr=$master_addr --master_port=$master_port --nproc_per_node=8 ./scripts/train.py AMD-OLMo/AMD-OLMo-1B.yaml

Run DPO Training

DPO recipe: AMD-OLMo-1B-dpo.yaml.

# install trl library
git clone https://github.com/huggingface/trl.git -b v0.8.6

# replace dpo_trainer.py
cp AMD-OLMo/dpo_trainer.py trl/trl/trainer

pip install -e ./trl

# install alignment-handbook
git clone https://github.com/huggingface/alignment-handbook.git hf-align
# 70769f9 is the main branch on 2024-04-11.
cd hf-align && git checkout 70769f9 && cd .. 

pip install -e ./hf-align

# Copy AMD OLMo DPO recipe to hf-align/recipes.
cp AMD-OLMo/AMD-OLMo-1B-dpo.yaml hf-align/recipes/

# Prepare the converted AMD-OLMo SFT Huggingface model to ckpt_dir.
ckpt_dir=amd/AMD-OLMo-1B-SFT
local_tokenizer_dir=${ckpt_dir}

# Set output checkpoint dir.
dpo_ckpt_dir=<your_output_checkpoint_dir>

accelerate launch --config_file hf-align/recipes/accelerate_configs/deepspeed_zero3.yaml \
hf-align/scripts/run_dpo.py hf-align/recipes/AMD-OLMo-1B-dpo.yaml \
--trust_remote_code=true \
--model_name_or_path=${ckpt_dir} \
--tokenizer_name_or_path=${local_tokenizer_dir} \
--output_dir=${dpo_ckpt_dir} \
--num_train_epochs=1 \
--learning_rate=4e-6 \
--beta=0.3 \
--loss_type=sigmoid

Bias, Risks, and Limitations

  • The models are being released for research purposes only and are not intended for use cases that require high levels of factuality, safety critical situations, health or medical applications, generating false information, facilitating toxic conversations.
  • Model checkpoints are made accessible without any safety guarantees. It is crucial for users to conduct comprehensive evaluations and implement safety filtering mechanisms as per their respective use cases.
  • It may be possible to prompt the model to generate content that may be factually inaccurate, harmful, violent, toxic, biased, or otherwise objectionable. Such content may also get generated by prompts that did not intend to produce output as such. Users are thus requested to be aware of this and exercise caution and responsible thinking when using the model.
  • Multi-lingual abilities of the models have not been tested and thus may misunderstand and generate erroneous responses across different languages.

Appendix

Evaluation Metrics

BenchmarkMetric
arc_easyNormalized Accuracy
arc_challengeNormalized Accuracy
hellaswagNormalized Accuracy
piqaAccuracy
boolqAccuracy
sciqAccuracy
winograndeAccuracy
openbookqaNormalized Accuracy
mmluAccuracy
gsm8k (8-shot)Exact Match (Flexible Extract)
bbh (3-shot)Exact Match
ToxiGenAccuracy
crows_pairsPCT Stereotype
TruthfulQA-mc2Accuracy
AlpacaEval 1 (Win Rate)Win Rate (chatgpt_fn)
AlpacaEval 2 (LC Win Rate)Length Control Win Rate (weighted_alpaca_eval_gpt4_turbo)
MTBenchAverage score for single-answer grading (2 turns)

Feel free to cite our AMD-OLMo models:

@article{instella,
  title={Instella: Fully Open Language Models with Stellar Performance},
  author={Liu, Jiang and Wu, Jialian and Yu, Xiaodong and Su, Yusheng and Mishra, Prakamya and Ramesh, Gowtham and Ranjan, Sudhanshu and Manem, Chaitanya and Sun, Ximeng and Wang, Ze and Brahma, Pratik Prabhanjan and Liu, Zicheng and Barsoum, Emad},
  journal={arXiv preprint arXiv:2511.10628},
  year={2025}
}

License

Copyright (c) 2018-2024 Advanced Micro Devices, Inc. All Rights Reserved.

Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except in compliance with the License. You may obtain a copy of the License at

http://www.apache.org/licenses/LICENSE-2.0

Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. See the License for the specific language governing permissions and limitations under the License.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
OlmoForCausalLM
Ревизия весов
c0aa677

0 моделей