SkyThought

SkyThought 是一个开源项目，专注于低成本训练类 O1 架构的推理增强型大语言模型。它提供完整的数据构建、强化学习（RL）微调、测试时缩放（test-time scaling）及过思考抑制等技术方案，支持从 7B 到 32B 参数规模的模型训练与优化，典型训练成本可控制在 450 美元以内。项目强调推理链质量提升与生成效率平衡，适用于需要高性价比长思维链能力的场景，如代码生成、复杂逻辑推理和学术研究辅助。