itakura-v2_300m-pretrain-cpt-sft-model/README.md

license, language, tags, pipeline_tag, base_model

license	language	tags	pipeline_tag	base_model
apache-2.0	en ja	olmo sft instruction-tuning bilingual	text-generation	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

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