我们先看看该模型都做了些什么。根据论文，s1 能够达到不错效果的核心有两点：s1K 数据集和预算强制法（budget forcing）。 s1 团队构建的 s1K 数据集 ...

成本不到150元，训练出一个媲美DeepSeek-R1和OpenAI o1的推理模型？！ 这不是洋葱新闻，而是AI教母李飞飞、斯坦福大学、华盛顿大学、艾伦人工智能 ...

这种方法可以引导模型进行自我检查，并修正推理过程中的错误，从而提高推理性能。 具体来说，他们构建了一个叫做「s1K」的数据集，由1000个精心筛选的问题组成，每个问题都配有推理轨迹（reasoning traces）和从Gemini Thinking Experimental蒸馏而来的答案。 接着 ...

Their method centers on two key innovations: the carefully curated s1K dataset comprising 1,000 questions with reasoning traces, selected based on difficulty, diversity, and quality criteria, and a ...