跳到正文

Light-R1

训练长链推理模型的开源项目

访问官网

Light-R1 是什么

Light-R1 是 Qihoo360 开发的开源项目,旨在通过课程式 SFT、DPO 和 RL 训练长链推理模型。它依托去污染数据集与高效训练方法,实现从零开始的推理能力。

你可以用它做什么

  • 从零开始训练长链推理能力
  • 使用开源的数据集与训练代码
  • 依次运行 SFT 与 DPO 训练脚本

开始使用

  • 克隆 Light-R1 项目代码到本地
  • 安装项目依赖的 Python 包
  • 用开源数据集运行 SFT,再运行 DPO

优点与缺点

✓ 我们认可的地方

  • 资料点名 AIME24 与 AIME25 基准测试
  • 资料描述低成本的训练方式

! 需要留意的地方

  • 资料所述重点在数学推理
  • 训练需要 Python 环境与依赖包

常见问题

资料列了哪些准确率?

资料列有 Light-R1-7B-DS 在 AIME24 的 59.1%,以及 Light-R1-32B 的 76.6%。

由谁开发?

资料写明是 Qihoo360。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法