OLMo-2 ~300M のフルパイプライン最終モデルです。
Pretrain → CPT → SFT → DPO の 4 ステージを経て alignment 済み。
1from transformers import AutoTokenizer, AutoModelForCausalLM
2import torch
3
4model_id = "your_username/olmo2-300m-dpo"
5tokenizer = AutoTokenizer.from_pretrained(model_id)
6model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.bfloat16, device_map="auto")
7
8messages = [{"role": "user", "content": "機械学習を初心者向けに説明してください。"}]
9input_text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
10inputs = tokenizer(input_text, return_tensors="pt").to(model.device)
11
12outputs = model.generate(**inputs, max_new_tokens=300, temperature=0.7, do_sample=True)
13print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))
