全面公开复制DeepSeek-R1
开放R1 A全开再生DeepSeek-R1. 这批回购是正在进行中的工作,我们一起建吧! 内容表 1.概述 2.攻击计划 3. 安装 4. 培训模型 - SFT - GRPO 5. 评价模型 6. 复制DeepSeek的评价结果 7. 数据生成 - 从smol分馏的R1模型生成数据 - 从DeepSeek-R1生成数据 8. 贡献概述. 这一回波的目标是建造R1管线的缺失部分,以便每个人都可以复制并在上面再生. 工程设计简单,主要包括: - src/openr1:包含训练模型的脚本以及生成合成数据: - grpo.py:在特定数据集上训练一个带有GRPO的模型. - sft.py:在数据集上执行一个简单的SFT模型. - 生成.py:从使用Distilabel的模型中生成合成数据. - Makefile:包含易运行的命令,用于ea..