💡
原文中文，约3500字，阅读约需9分钟。
📝
内容提要
360智脑于2025年3月4日开源Light-R1-32B模型，训练成本约1000美元，使用7万条数学数据，AIME24得分76.6，超越DeepSeek-R1-Distill-Qwen-32B。该模型基于Qwen2.5-32B-Instruct，采用SFT+DPO课程学习，推动开源社区发展。
🎯
关键要点
- 360智脑于2025年3月4日开源Light-R1-32B模型，训练成本约1000美元，使用7万条数学数据。
- Light-R1-32B在AIME24测试中取得76.6分，超越DeepSeek-R1-Distill-Qwen-32B的72.6分。
- Light-R1-32B模型基于Qwen2.5-32B-Instruct，采用SFT+DPO课程学习。
- 360智脑希望通过开源工作助力开源社区发展。
- Light-R1-32B的训练仅需12台H800机器6小时完成。
- 模型训练方案的泛化性和有效性在GPQA Diamond任务中表现优秀。
- Light-R1-32B开源全量训练和评测资产，确保可信度和可复现性。
- 训练数据来自多个开源数学数据集，经过严格去重处理。
- Light-R1-32B是首个从零训练超越DeepSeek-R1-Distill-Qwen-32B的模型，助力开源生态发展。
➡️
