Open R1: Update #4★ 85
Hugging Face Blog433d agoReleaseHugging Face 釋出 Open R1 專案的第四次技術更新。本階段重點在於提升 TRL 框架中 GRPO（群體相對策略最佳化）的訓練效率與記憶體最佳化，並釋出針對數學與程式碼推理的全新合成資料集。團隊分享了在 Qwen 與 Llama 模型上進行強化學習（RL）訓練的最新評測結果，為開源社群複製 DeepSeek-R1 的推理能力提供更完整的實踐指南。
Open R1: How to use OlympicCoder locally for coding★ 75
Hugging Face Blog439d agoTutorialHugging Face 發表指南，介紹如何利用 LM Studio 在本機運行 Open R1 計畫的 OlympicCoder 模型。OlympicCoder 是專為程式設計與推理優化的開源模型。透過本機部署，開發者無需將程式碼上傳至雲端，即可享受媲美頂級商用模型的程式碼生成與除錯能力，兼顧隱私與效能。
Open R1: Update #3★ 85
Hugging Face Blog448d agoReleaseHugging Face 發表開源推理模型專案 Open R1 的第三次技術更新。本次更新重點在於釋出基於 Qwen/Llama 的全新推理模型，並詳細公開了使用 TRL 進行 GRPO（群體相對策略優化）的訓練細節。團隊成功解決了訓練中的「獎勵黑客」問題，並開源了完整的訓練數據集與配方，顯著降低了社群重現 DeepSeek-R1 推理能力的門檻。
Open R1: Update #2★ 85
Hugging Face Blog477d agoReleaseHugging Face 釋出 Open R1 專案的第二份進度報告。團隊分享了使用 TRL 庫中的 GRPO 演算法在 Llama-8B 與 Qwen-32B 上進行強化學習（RL）訓練的實戰經驗，成功重現了「頓悟時刻」與推理鏈。本次更新也詳細探討了格式控制、訓練穩定性及在 MATH、AIME 等基準測試上的最新評估數據。
Mini-R1: Reproduce Deepseek R1 „aha moment“ a RL tutorial★ 85
Hugging Face Blog487d agoTutorialHugging Face 的 open-r1 專案推出全新實作教學，旨在重現 DeepSeek-R1 最著名的「頓悟時刻」（自我糾錯能力）。本教學以經典的「倒數遊戲」（Countdown Game）為任務，引導讀者使用強化學習（RL）訓練小模型。透過設計精準的規則與格式獎勵，開發者能親眼見證模型在思考過程中自動發現錯誤並進行修正，是理解 R1 推理機制與 GRPO 演算法絕佳的低成本實作教材。