Awesome-LLM-Strawberry

收录理由

OpenAI o1 这类推理模型的资料散落在官方文档、实验室博客和论文里，想系统跟上并不容易。这个仓库把一手来源收拢到了一处：OpenAI 自己的文档与公告、DeepSeek 和 Google DeepMind 等实验室的解读，以及关于思维链、强化学习和推理时扩展的关键论文。开源部分尤其实用，指向了可以实际查看或运行的模型与训练代码，从 Qwen 的 QwQ 到 DeepSeek R1，再到 OpenRLHF 这样的 RLHF 框架。它更像一份阅读清单和研究地图，而不是可直接部署的工具，并且会随着领域进展持续更新。想理解或复现 o1 式训练的团队，从这里入手能省下不少摸索时间。