AMD自行开发开源模型，客户能够使用AMD硬件部署模型。通过AMD的开源数据、权重、训练方法、程序代码，让开发者不仅能够复制模型，且在模型基础上进行创新开发。
AMD近日发布一系列完全开源的10亿参数（1B）语言模型OLMo，这款在AMD Instinct MI250 GPU从头开始训练，可应用于各种应用程序。OLMo除数据中心使用外，更支持配备NPU（Neural Processing Unit，神经处理单元）的AMD Ryzen AI PC能够部署模型，使开发者能在个人设备提供AI功能。
OLMo在16个节点上使用1.3兆token进行预训练，每个节点配备4个AMD Instinct MI250 GPU（总共64个处理器），以三阶段完成OLMo训练。
AMD OLMo训练三阶段。（Source：AMD）
AMD测试下，OLMo在一般推理能力和多任务理解的基准测试中，与类似大小的开源模型（如TinyLlama-1.1B、MobiLLaMA-1B、OpenELM-1_1B等）相比，表现出令人印象深刻的性能。
针对一般推理能力和多任务理解的基准测试结果。（Source：AMD）
两阶段SFT（Supervised Fine-tuning）模型的准确性显著提升，MMLU分数提高5.09%，GSM8k分数提高15.32%，显示AMD训练方法带来的影响。最终AMD OLMo 1B SFT DPO模型在基准测试平均优于其他开源模型至少2.60%。
谈到OLMo在对话基准上的指令调整结果，特别是将OLMo 1B SFT和OLMo 1B SFT DPO模型与其他指令调整模型进行比较，在AlpacaEval 2胜率中OLMo表现优于竞争对手3.41%，AlpacaEval 2 LC胜率则优于2.29%。此外，在衡量多回合对话功能的MT-Bench测试，OLMo 1B SFT DPO比最接近的竞争对手多0.97%的性能提升。
预训练和微调模型的能力有助于集成特定领域知识，随着客户对定制化AI解决方案的需求持续增加，预训练模型的能力为产业创新和产品差异化带来更多机会。而OLMo新模型的推出，有助于提升AMD在AI产业地位。
（首图来源：AMD）