← 返回原文 ↗
Hugging Face Blog精选63

Mini-R1：复现 Deepseek R1 的“啊哈时刻”——一份 RL 教程

Mini-R1: Reproduce Deepseek R1 „aha moment“ a RL tutorial

· 620天前

精选理由

以通俗教程复现推理模型训练过程，帮助读者理解强化学习如何激发模型推理能力。

查看原文（Hugging Face Blog）