[2025/02/10] We release DeepScaleR-1.5B-Preview, a 1.5B model that surpasses O1-Preview and achieves 43.1% Pass@1 on AIME. We achieve this by iteratively scaling Deepseek's …

🚀 STILL-3-1.5B-Preview: A 1.5B slow-thinking reasoning model continuously evolving through RL. To delve deeper into the potential of reinforcement learning, we applied this training method to …

cosmos-1.0-autoregressive-5b PREVIEW Generates future frames of a physics-aware world state based on simply an image or short video prompt for physical AI development.

2025年2月22日 · 在这篇博客中，我们将逐步揭示如何利用强化学习将一个小型模型转变为强大的推理模型。我们推出的DeepScaleR-1.5B-Preview模型，通过4万个高质量数学问题进行训 …

2025年2月12日 · DeepScaleR-1.5B-Preview is a language model fine-tuned from DeepSeek-R1-Distilled-Qwen-1.5B using distributed reinforcement learning (RL) to scale up to long context …

2025年2月23日 · DeepScaleR-1.5B-Preview 是一个 基于 DeepSeek-R1-Distilled-Qwen-1.5B 微调 的语言模型，它使用了 分布式强化学习 (RL) 技术，并通过 迭代式地增加上下文长度 来提升 …

我们推出了 DeepScaleR-1.5B-Preview，这是一个从 Deepseek-R1-Distilled-Qwen-1.5B 微调而来的语言模型，使用了简单的强化学习（RL）。 它在 AIME2024 上取得了惊人的 43.1% 的 …

DeepScaleR-1.5B-Preview is a language model fine-tuned from DeepSeek-R1-Distilled-Qwen-1.5B using distributed reinforcement learning (RL) to scale up to long context lengths. The …

2025年2月11日 · 近日，来自UC伯克利的研究团队基于Deepseek-R1-Distilled-Qwen-1.5B，通过简单的强化学习（RL）微调，得到了全新的DeepScaleR-1.5B-Preview。 在AIME2024基准 …

2025年2月18日 · 近日，来自 UC 伯克利的研究团队基于 Deepseek-R1-Distilled-Qwen-1.5B，通过简单的强化学习（RL）微调，得到了全新的 DeepScaleR-1.5B-Preview。 目前，研究团队已 …