Hugging Face Blog·· 2025-01-31精选AI 评分62
Mini-R1：用 GRPO 和 Countdown 游戏复现 DeepSeek R1 的 aha moment
Mini-R1: Reproduce Deepseek R1 „aha moment“ a RL tutorial
AI 导读
Hugging Face 博客发布 Mini-R1 教程，用 GRPO 和 Countdown 游戏在 Qwen2.5-3B-Instruct 上复现 DeepSeek-R1 的 aha moment。
推荐理由
作者用 4 张 H100 复现 DeepSeek-R1 的 aha moment，给出完整脚本与训练观察，可迁移到自己的 RL 实验。
来源：Hugging Face Blog · huggingface.co