Deepseek-R1-Distilled-Qwen-1.5B 的一个微调版本，仅用 1.5B 参数就在流行的数学评估中超越了 OpenAI 的 o1-preview 的性能。
1.5b
66.3K 拉取次数 更新于 4 周前
4 周前更新
4 周前
0031bcf7459f · 3.6GB
模型
架构qwen2
·
参数1.78B
·
量化F16
3.6GB
参数
{ "stop": [ "<｜begin of sentence｜>", "<｜end of sentence｜>",
179B
模板
{{- if .System }}{{ .System }}{{ end }} {{- range $i, $_ := .Messages }} {{- $last := eq (len (slice
387B
许可
MIT License Copyright (c) 2025 Agentica Permission is hereby granted, free of charge, to any perso
1.1kB
自述文件
DeepScaleR
🚀 民主化 LLM 的强化学习 🌟
DeepScaleR-1.5B-Preview 是一个使用分布式强化学习 (RL) 从 DeepSeek-R1-Distilled-Qwen-1.5B 微调的语言模型，用于扩展到长上下文长度。 该模型在 AIME 2024 上实现了 43.1% 的 Pass@1 准确率，比基础模型 (28.8%) 提高了 15%，并且仅使用 1.5B 参数就超过了 OpenAI 的 O1-Preview 性能。
| 模型 | AIME 2024 | MATH 500 | AMC 2023 | Minerva Math | Olympiad Bench | 平均. |
|---|---|---|---|---|---|---|
| DeepScaleR-1.5B-Preview | 43.1 | 87.8 | 73.6 | 30.2 | 50.0 | 57.0 |
| DeepSeek-R1-Distill-Qwen-1.5B | 28.8 | 82.8 | 62.9 | 26.5 | 43.3 | 48.9 |
| O1-Preview | 40.0 | 81.4 | - | - | - | - |
数据
我们的训练数据集包含从以下来源编译的大约 40,000 个唯一的问题-答案对：
- AIME 问题 (1984-2023)
- AMC 问题（2023 年之前）
- Omni-MATH 数据集
- Still 数据集
评估
我们在竞赛级数学基准上评估我们的模型，包括 AIME 2024、AMC 2023、MATH-500、Minerva Math 和 OlympiadBench。 以下报告了 Pass@1 准确率，每个问题平均超过 16 个样本。
| 模型 | AIME 2024 | MATH 500 | AMC 2023 | Minerva Math | OlympiadBench | 平均. |
|---|---|---|---|---|---|---|
| Qwen-2.5-Math-7B-Instruct | 13.3 | 79.8 | 50.6 | 34.6 | 40.7 | 43.8 |
| rStar-Math-7B | 26.7 | 78.4 | 47.5 | - | 47.1 | - |
| Eurus-2-7B-PRIME | 26.7 | 79.2 | 57.8 | 38.6 | 42.1 | 48.9 |
| Qwen2.5-7B-SimpleRL | 26.7 | 82.4 | 62.5 | 39.7 | 43.3 | 50.9 |
| DeepSeek-R1-Distill-Qwen-1.5B | 28.8 | 82.8 | 62.9 | 26.5 | 43.3 | 48.9 |
| Still-1.5B | 32.5 | 84.4 | 66.7 | 29.0 | 45.4 | 51.6 |
| DeepScaleR-1.5B-Preview | 43.1 | 87.8 | 73.6 | 30.2 | 50.0 | 57.0 |
| O1-Preview | 40.0 | 81.4 | - | - | - | - |
我们将 DeepScaleR 与我们使用的基础 DeepSeek 模型以及探索 RL 进行推理任务的最新学术著作进行比较。 DeepScaleR 在所有基准测试中都显着优于基础模型，在 AIME2024 上实现了 14.4% 的绝对增益和 8.1% 的总体改进。 此外，DeepScaleR 超过了最近的学术著作，如 rSTAR、Prime 和 SimpleRL，它们都是从 7B 模型中微调而来。 DeepScaleR 仅使用 1.5B 参数即可实现 O1-preview 级别的性能——这是一个显着的效率提升。