本文へスキップ

Light-R1

長い推論の連鎖を鍛えるオープンソースのプロジェクト

公式サイトを見る

Light-R1 とは

本プロジェクトは Qihoo360 による長い推論のモデルを鍛えるオープンソースの取り組み。課程型の SFT、DPO、RL と汚れを除いたデータを用い、零から能力を組み立てる。

できること

  • 零から長い推論を鍛える
  • 公開されたデータと訓練コードを使う
  • SFT の手順を走らせ、続けて DPO を行う

始め方

  • Light-R1 のコードを手元に取得する
  • 必要な Python のパッケージを入れる
  • 公開データで SFT を行い、続けて DPO を走らせる

長所と短所

✓ 良い点

  • AIME24 と AIME25 の基準試験が挙がる
  • 資料では費用を抑えた訓練とされる

! 注意したい点

  • 挙がる重点は数学の推論
  • 訓練には Python 環境と依存パッケージが要る

よくある質問

挙がる正答率は?

AIME24 で Light-R1-7B-DS が 59.1%、Light-R1-32B が 76.6% とされる。

開発元は?

資料では Qihoo360 とされる。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法