Light-R1-32B之R1复现认识：兼看R1蒸馏模型所用800K数据细节问题
今天是2025年3月14日，星期五，北京天气晴。Light-R1-32B复现了R1的效果，但限定于数学领域AIME24、AIME25、GPQA Diamond等数据集；同时指出R1蒸馏模型所用800K数据是否来自训练还是由R1生成尚存争议。
AIME24
啊？7B的DeepSeek反超R1满血版，上海AI Lab周伯文团队新成果：计算最优的Test-Time Scaling
上海AI Lab/清华哈工大/北邮团队的研究表明，通过改进Test-Time Scaling（TTS）方法，在数学推理任务上提升了小模型的性能。该研究发现最优的TTS方法高度依赖于具体的策略模型、过程奖励模型和问题难度。