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 →-
302.AI 数百の大規模モデルを単一の API に集約したクラウド 開発者ツール API連携 マルチモデルプラットフォーム モデルデプロイ LLM APIプラットフォーム -
360智脑开放平台 360 モデル API プラットフォーム API連携 マルチモデルプラットフォーム ナレッジベースQ&A 企業自動化 LLM APIプラットフォーム -
4o Image API 画像生成 API ゲートウェイ 無料ツール フリーミアムツール 開発者ツール API連携 LLM APIプラットフォーム -
AI-Flow ノーコードのマルチモデルワークフロー ワークフロー自動化 開発者ツール API連携 ナレッジベースQ&A LLM APIプラットフォーム -
AI/ML API 多数のモデルへの単一ゲートウェイ 開発者ツール API連携 マルチモーダル マルチモデルプラットフォーム LLM APIプラットフォーム -
Amazon Bedrock AWS のコード提案とセキュリティスキャン 無料ツール コードアシスタント IDE アプリ構築ツール LLM APIプラットフォーム