DeepSeek R1-零最小复制
TinyZero QQ折旧通知:此回购不再积极维护. 对于运行RL实验,请直接使用最新的verRL库. 关于存档的原始文件,见OIDREADME.md. TinyZero是在倒计时和乘法任务中DeepSeek R1零的复制. 我们建立在VERL之上。 通过RL,3B碱基LM发展出自行验证和搜索能力. 你可以亲身体验到30美元以下的阿哈时刻。 推特线索:https://x.com/jiayipirate/status/1882839370505621655 完整实验日志:https://wandb.ai/jiayipan/TinyZero QQ:我们发布适应性平行理性,在这里我们探索一个在缩放推理模型中的新维度. 安装 Conda 创建 -n 0 Python=3.9 安装火炬[或您可以跳过这一步,让 vllm 为您安装正确的版本] pip 安装火炬 = 2. 4.-index-url https://download.pytorch.org/whl/cu1..