最近，非營利研究機(jī)構(gòu)AI2上新了OLMo2系列模型，他們稱之為「迄今為止最好的完全開源模型」。

OLMo 2系列包含7B和13B兩個(gè)型號(hào)，相比如Llama 3.1和Qwen 2.5等開源模型達(dá)到了同等甚至更優(yōu)的性能，同時(shí)FLOPS計(jì)算量更少，在性能和計(jì)算效率之間取得了極佳的平衡，為開源LLM開辟了新的可能性。

不同大小開源模型的性能對(duì)比，OLMo 2的表現(xiàn)優(yōu)于同參數(shù)規(guī)模模型

在多個(gè)下游任務(wù)上，OLMo 2展現(xiàn)出了強(qiáng)大的泛化能力和適應(yīng)能力。在10個(gè)基準(zhǔn)上，OLMo-2-13B的性能全面超越了Llama-2-13B，OLMo-2-8B的基準(zhǔn)均分也超過了Llama-3.1-8B。

訓(xùn)練過程全公開

不同于Llama、Qwen這類只開源模型權(quán)重的項(xiàng)目，這次AI2也秉持了一貫的開源風(fēng)格，即不止發(fā)布了訓(xùn)練好的OLMo 2模型權(quán)重，還公開了訓(xùn)練數(shù)據(jù)、代碼、訓(xùn)練過程。這無疑為之后的LLM的研究和應(yīng)用提供了寶貴的資源。

論文地址：https://arxiv.org/pdf/2501.00656

OLMo 2的訓(xùn)練過程分為3個(gè)階段，分別是預(yù)訓(xùn)練、中期訓(xùn)練和后期的指令調(diào)優(yōu)。預(yù)訓(xùn)練數(shù)據(jù)混合了高質(zhì)量的網(wǎng)頁數(shù)據(jù)、代碼數(shù)據(jù)和學(xué)術(shù)論文數(shù)據(jù)等。

在預(yù)訓(xùn)練階段，OLMo 2通過多種技術(shù)改進(jìn)了訓(xùn)練穩(wěn)定性，例如過濾重復(fù)的n-gram、使用更好的初始化方法、架構(gòu)改進(jìn)和超參數(shù)調(diào)整。這確保了模型在訓(xùn)練過程中不會(huì)出現(xiàn)崩潰或損失激增，從而提高了最終模型的性能。

預(yù)訓(xùn)練使用的高質(zhì)量數(shù)據(jù)集

中期訓(xùn)練階段使用高質(zhì)量的領(lǐng)域特定數(shù)據(jù)（例如數(shù)學(xué)數(shù)據(jù)），以及合成數(shù)據(jù)，來增強(qiáng)模型的能力，特別是在數(shù)學(xué)任務(wù)上的表現(xiàn)；加上微退火技術(shù)評(píng)估以及選擇高質(zhì)量的數(shù)據(jù)源，進(jìn)一步優(yōu)化了中期訓(xùn)練的效果。

中期訓(xùn)練使用的高質(zhì)量數(shù)據(jù)集

最后的指令調(diào)優(yōu)階段，研究人員基于Tülu 3的指令調(diào)優(yōu)方法，開發(fā)了OLMo 2-Instruct模型，專注于使用許可數(shù)據(jù)，并擴(kuò)展最終階段的強(qiáng)化學(xué)習(xí)與可驗(yàn)證獎(jiǎng)勵(lì)（RLVR）。

此外，監(jiān)督微調(diào)（SFT）、直接偏好優(yōu)化（DPO）和RLVR等多階段訓(xùn)練，顯著提高了模型的指令跟隨能力和生成質(zhì)量。

OLMo 2的開源是全方位的，包括所有用于復(fù)制和擴(kuò)展這些模型所需的訓(xùn)練和評(píng)估代碼、數(shù)據(jù)集、模型檢查點(diǎn)、日志及超參數(shù)的選擇等，相比只開源權(quán)重，使更多研究人員和開發(fā)者能夠使用和改進(jìn)這些模型。

通過開源所有組件，OLMo 2促進(jìn)了對(duì)語言模型行為和使用的理解和研究，促進(jìn)語言模型研究的透明度和可重復(fù)性，這些足以成為之后研究所依賴的基礎(chǔ)設(shè)施。

OLMo 2 7B和13B模型的訓(xùn)練過程中的超參數(shù)

多管齊下造就「低碳」LLM

在大規(guī)模語言模型訓(xùn)練中，計(jì)算資源和環(huán)境影響是不可忽視的因素。Deepseek V3能夠以20分之一的成本進(jìn)行訓(xùn)練，而OLMo 2團(tuán)隊(duì)也通過減少主機(jī)-設(shè)備同步、數(shù)據(jù)預(yù)處理、數(shù)據(jù)緩存等多種方法降低了訓(xùn)練成本，并取得了顯著的成效。

OLMo 2的訓(xùn)練主要在兩個(gè)集群上進(jìn)行：Jupiter和Augusta。Jupiter集群配備了128個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)有8張H100，總共1024個(gè)GPU；Augusta集群由160個(gè)A3 Mega虛擬機(jī)組成，每個(gè)虛擬機(jī)也有8張H100，總共1280個(gè)GPU。

OLMo 2的7B模型在4.05萬億token上進(jìn)行訓(xùn)練，13B模型在5.6萬億token上進(jìn)行訓(xùn)練。訓(xùn)練時(shí)間取決于模型的參數(shù)規(guī)模和訓(xùn)練數(shù)據(jù)量。

同時(shí)為了降低能源消耗，團(tuán)隊(duì)使用水冷系統(tǒng)來降低GPU的溫度和功耗，從而提高訓(xùn)練效率并降低電力成本。

這些措施加在一起，相比訓(xùn)練同大小的Llama 3.1所消耗的1022MWh電力，OLMo 2 7B訓(xùn)練過程中總計(jì)只消耗了131MWh的電力，相當(dāng)于只有約10分之一的耗電量，顯著降低了訓(xùn)練過程消耗的算力，能源及碳足跡。

OLMo 和Llama訓(xùn)練能耗的對(duì)比

OLMo 2的發(fā)布，標(biāo)志著開源LLM的持續(xù)進(jìn)步，為相關(guān)領(lǐng)域的研究建立一個(gè)新生態(tài)系統(tǒng)。在這個(gè)生態(tài)系統(tǒng)中，新的訓(xùn)練方法和技術(shù)需要被理解和分享。