---
license: apache-2.0
language:
  - en
  - ja
tags:
  - olmo
  - sft
  - instruction-tuning
  - bilingual
pipeline_tag: text-generation
base_model: your_username/olmo2-300m-cpt
---

# 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

```python
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