open-r1

Open R1 是一个完全开源的 DeepSeek-R1 大语言模型复现项目，旨在完整重建其推理增强训练流程。项目提供 SFT（监督微调）和 GRPO（一种基于偏好优化的强化学习算法）训练脚本，支持从零构建 Distill 和 Zero 版本模型，并配套发布 Mixture-of-Thoughts、CodeForces-CoTs 等高质量合成推理数据集。技术上采用模块化设计，集成 Distilabel 进行数据生成，通过 Makefile 统一编排训练与评估流程。适用于需要可复现、可定制的数学/代码/科学领域强推理模型的研究与工程场景。