4500美元复刻DeepSeek神话，1.5B战胜o1-preview只用RL！训练细节全公开 下午4时 2025/02/11 作者 新智元 在刚刚，UC伯克利团队只用简单的RL微调，就训出了DeepScaleR-1.5B-Preview，1
