除了前面提到的7B模型，在32B模型上，只需两百美元、200条数据，就可以轻松复现QwQ-32B，就是数学推理能力媲美DeepSeek-R1，一战封神的那个。

开源 推理模型 rl 推理模型训练 数学推理模型 2025-04-01 10:58  2