Light-R1：360开源的数学领域超强推理模型-首席AI分享圈

🚀邀请体验：中国首家 AI IDE 智能编程软件 Trae 中文版下载，不限量使用 DeepSeek-R1 和 Doubao-pro!

综合介绍

Light-R1 是由奇虎360（Qihoo360）团队开发的一款开源人工智能模型，专注于数学领域的长链推理（Chain-of-Thought, COT）。它基于 Qwen2.5-32B-Instruct 模型，通过独特的课程式监督微调（SFT）和直接偏好优化（DPO）训练方法，仅用约1000美元的成本（12台H800机器6小时训练），在数学竞赛 AIME24 和 AIME25 上分别取得了76.6和64.6的高分，超越了此前表现优异的 DeepSeek-R1-Distill-Qwen-32B（72.6和54.9）。Light-R1 的亮点在于从无长链推理能力的模型起步，结合去污染数据和模型融合技术，实现了高效且经济的性能突破。项目不仅发布了模型，还开放了所有训练数据集和代码，旨在推动长链推理模型的普及与发展。

Light-R1：360开源的数学领域超强推理模型-1

功能列表

数学推理能力：针对 AIME 等高难度数学竞赛，提供精准的问题求解能力。
长链推理支持：通过硬编码 <think> 标签，强制模型逐步推理复杂问题。
开源资源共享：提供完整的 SFT 和 DPO 训练数据集及基于 360-LLaMA-Factory 的训练脚本。
高效推理部署：支持 vLLM 和 SGLang 框架，优化模型推理速度与资源占用。
模型评估工具：集成 DeepScaleR 评估代码，提供 AIME24 等基准测试结果。
数据去污染：确保训练数据针对 MATH-500、AIME24/25 等基准无污染，提升公平性。

使用帮助

获取与安装流程

Light-R1 是一个开源项目，托管在 GitHub 上，用户可以通过以下步骤获取并部署模型：

访问 GitHub 仓库
打开浏览器，输入网址 https://github.com/Qihoo360/Light-R1，进入项目主页。页面包含模型介绍、数据集链接和代码说明。
克隆仓库
在终端或命令行中输入以下命令，将项目克隆到本地：

git clone https://github.com/Qihoo360/Light-R1.git

克隆完成后，进入项目目录：

cd Light-R1

下载模型文件
Light-R1-32B 模型托管在 Hugging Face 上。访问 https://huggingface.co/Qihoo360/Light-R1-32B，根据页面提示下载模型权重文件。下载后，将文件放置在本地仓库的合适目录（如 models/），具体路径可参考项目文档。
安装依赖环境
Light-R1 推荐使用 vLLM 或 SGLang 进行推理，需安装相关依赖。以 vLLM 为例：

确保已安装 Python 3.8 或以上版本。
安装 vLLM：
```
pip install vllm
```
如果需要 GPU 支持，确保 CUDA 已配置好（推荐 12 台 H800 或同等算力设备）。

准备数据集（可选）
如果需要复现训练或自定义微调，可从 GitHub 页面下载 SFT 和 DPO 数据集（链接在 Curriculum SFT & DPO datasets 部分）。解压后放置在 data/ 目录。

主要功能操作流程

1. 使用 Light-R1 进行数学推理

Light-R1 的核心功能是解决数学问题，尤其是需要长链推理的复杂题目。以下是操作步骤：

启动推理服务
在终端中进入项目目录，运行以下命令启动 vLLM 推理服务：

python -m vllm.entrypoints.api_server --model path/to/Light-R1-32B

其中 path/to/Light-R1-32B 替换为实际模型文件路径。启动后，服务默认监听本地端口（通常为 8000）。

发送推理请求
使用 Python 脚本或 curl 命令向模型发送数学问题。以 curl 为例：

curl http://localhost:8000/v1/completions 
-H "Content-Type: application/json" 
-d '{
"model": "Light-R1-32B",
"prompt": "<think>Solve the equation: 2x + 3 = 7</think>",
"max_tokens": 200
}'

模型会返回逐步推理过程和答案，例如：

{
"choices": [{
"text": "<think>First, subtract 3 from both sides: 2x + 3 - 3 = 7 - 3, so 2x = 4. Then, divide both sides by 2: 2x / 2 = 4 / 2, so x = 2.</think> The solution is x = 2."
}]
}

注意事项
<think> 标签是硬编码的，必须包含在输入中以触发长链推理。
对于 AIME 级别难题，建议增加 max_tokens（如 500），确保推理完整。

2. 复现模型训练

如果想复现 Light-R1 的训练过程或基于其进行二次开发，可按以下步骤操作：

准备训练环境
使用 360-LLaMA-Factory 框架，安装依赖：

pip install -r train-scripts/requirements.txt

运行 SFT Stage 1
编辑 train-scripts/sft_stage1.sh，确保模型路径和数据集路径正确，然后执行：

bash train-scripts/sft_stage1.sh

该阶段使用 76k 数据集，约需 3 小时（12 台 H800）。

运行 SFT Stage 2
类似地，运行：

bash train-scripts/sft_stage2.sh

使用 3k 更难数据集，提升模型性能。

运行 DPO
执行：

bash train-scripts/dpo.sh

DPO 基于 SFT Stage 2 结果，进一步优化推理能力。

模型合并
使用提供的合并脚本（如 merge_models.py），将 SFT 和 DPO 模型融合：

python merge_models.py --sft-model sft_stage2 --dpo-model dpo --output Light-R1-32B

3. 评估模型性能

Light-R1 提供评估工具，可测试 AIME24 等基准：

运行评估脚本
在 deepscaler-release/ 目录下，执行：

python evaluate.py --model Light-R1-32B --benchmark AIME24

结果将记录在日志中，64 次平均得分应接近 76.6。

特色功能详解

长链推理优化

Light-R1 通过 <think> 和 </think> 特殊标记，确保模型在数学问题上逐步推理。例如，输入：

<think>Find the number of positive integers less than 100 that are divisible by 3 or 5.</think>

模型输出：

<think>Let’s use inclusion-exclusion. Numbers divisible by 3: 99 ÷ 3 = 33. Numbers divisible by 5: 99 ÷ 5 = 19. Numbers divisible by 15 (LCM of 3 and 5): 99 ÷ 15 = 6. Total = 33 + 19 - 6 = 46.</think> Answer: 46.