open-r1

收录理由

如果你不想只调用现成的API，而是想亲手训练自己的推理模型，这个仓库提供了一个很实在的起点。它把DeepSeek-R1的完整流程拆成了几个具体步骤：监督微调、GRPO强化学习、用Distilabel生成合成数据，以及评测脚本，全部用Makefile串起来。代码刻意保持精简和可读，你可以逐个脚本看明白，然后换上自己的数据或基础模型，不必去对付一个笨重的框架。README里还写清了复现R1的完整路线图，从蒸馏推理语料库到纯强化学习训练，读一遍就能对现代推理模型的训练流程有个整体把握。对于研究人员和小团队来说，这里既有能直接跑的代码，也有清晰的路线指引，还发布了数据集和训练配方，比如OpenR1-Distill-7B，拿来参考或直接上手都很方便。