license, language, tags, library_name, pipeline_tag

license	language	tags	library_name	pipeline_tag
apache-2.0	zh	pretrained olmo3 chinese	transformers	text-generation

OLMo3-190M-zh (v3, base)

从零训练的 190M 中文 base 模型，OLMo3 canonical 架构。活水 42ailab 出品，配套《零基础 AI 大模型研发训练营》L04 预训练讲。

用法

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("42ailab/OLMo3-190M-zh")
model = AutoModelForCausalLM.from_pretrained("42ailab/OLMo3-190M-zh")

训练

• 架构：OLMo3-190M（d=768, L=12, ffn=3072, QK-Norm, SWA=4096）
• Tokenizer：48k 中文 BPE（自训）
• 数据：Ultra-FineWeb-zh + Fineweb-Edu-Chinese V2.1（合计 3.4B tokens）
• 训练：Modal H100，14500 steps × 262K tokens/step，cosine 5e-4 → 5e-5
• Final mean train loss: 3.953

7-prompt 抽测（v3 基线）

Prompt	结果
人工智能是	🟢 流畅科普
山里有座庙	🟡 主题漂移
今天天气不错，我准备	🟡 漂移
北京大学位于	🔴 "江苏省"（错）
四大发明是	🔴 "铜管/铁器/铜锤/铜镐"（全错）
《红楼梦》人物	🟡 对错混杂
Python 是一种	🔴 "开源库"（错）

合计 1 绿 / 3 黄 / 3 红 — 这是 base 的状态。改进版见 42ailab/OLMo3-190M-zh-v3.1（continue pretrain 后"北大在北京"/"Python 是编程语言"等改善）。

关系

v3 (本 repo) ──continue pretrain──▶ v3.1 (42ailab/OLMo3-190M-zh-v3.1)

License

• 权重 Apache-2.0
• 训练数据主要 Apache-2.0；不含 Wikipedia（v3.1 才引入 wiki）

Citation

@misc{huoshui-olmo3-190m-zh,
  title={OLMo3-190M-zh: Chinese Pretrain Teaching Model},
  author={活水 AI 实验室 (42ailab) and 阳志平},
  year={2026},
  howpublished={\url{https://huggingface.co/42ailab/OLMo3-190M-zh}},
  note={LLM001 Course, Lecture 04}
}