OLMo-2-1124-7B-RMは、Hugging FaceとAllen AIによって共同開発された大規模言語モデルで、テキスト生成と分類タスクに特化しています。70億個のパラメータに基づいて構築されており、チャット、数学問題の解答、テキスト分類など、多様な言語タスクの処理を目的としています。Tülu 3データセットと選好データセットを用いて訓練された報酬モデルであり、RLVR訓練における価値モデルの初期化に使用されます。OLMoシリーズモデルの公開は、言語モデルの科学研究を推進することを目的としており、オープンソースコード、チェックポイント、ログ、および関連するトレーニングの詳細を提供することで、モデルの透明性とアクセシビリティを向上させます。