a1032535677的博客

原创 【大模型论文精读】S1: Simple Test-time Scaling

OpenAI 说要「大量 RL 训练」，DeepSeek 用了 80 万样本……模型一开始算错了字母「r」的数量，追加「Wait」后，它重新数了一遍，纠正了错误。先问大家一个问题：如果让 AI 解数学竞赛题，你觉得需要多少训练数据。训练完的 s1-32B 有多强。今天给大家分享一个有意思的研究 ——o1-preview（闭源）s1-32B（1K 样本）AIME24 数学竞赛。普通 Qwen32B。MATH500 难题。