10美元成功复现DeepSeek顿悟时刻，3B模型爆发超强推理！微软论文反驳涌现 下午4时 2025/02/22 作者 新智元 的顿悟时刻了？来自荷兰的开发者采用轻量级的RL算法Reinforce-Lite，把复刻成本降到了史上
