Light-R1

Light-R1: 从零开始的长序列 COT 课程 SFT、DPO 和 RL

|模型|训练来源|发布日期|AIME24|AIME25|GPQA|

我们分别在 7B 和 RL-14B 上发布了 SOTA 数学模型,还发布了 32B-DS。技术报告也已发布。值得注意的是,我们使 RL 在 Light-R1-14B-DS 上运行!

虽然已经有许多开源工作试图在 72B 或更低的模型上重现 DeepSeek-R1，但没有一个能在严重的数学竞赛 AIME24 上达到与 DeepSeek-R1-Distill-Qwen-32B 的分数 72 相似的性能。