Light-R1在AIME竞赛中的优势源于三个关键技术突破：
1. 分阶段训练策略
Adoption两阶段SFT+DPO训练流程：
- SFT第一阶段：使用76k基础数学数据集（3小时训练）建立基本推理能力
- SFT第二阶段：3k高难度题目精调，提升复杂问题处理能力
- DPO优化：通过偏好学习强化模型的关键推理步骤选择
2. 数据去污染处理
严格确保训练数据不含AIME24/25测试题目，避免模型通过记忆而非推理获得高分，使76.6和64.6的分数更具公信力。
3. 模型融合技术
在最终阶段合并SFT和DPO的训练成果，相比DeepSeek-R1-Distill-Qwen-32B的蒸馏方案，保留了更完整的推理能力链条。该技术使得Light-R1在AIME24上高出4分（76.6 vs 72.6），在难度更高的AIME25上优势扩大到9.7分（64.6 vs 54.9）。
Diese Antwort stammt aus dem ArtikelLight-R1: 360 quelloffene, hervorragende Inferenzmodelle für den mathematischen BereichDie
Darf nicht ohne Genehmigung vervielfältigt werden:KI-Produktivitätswerkzeuge " Light-R1为何能在AIME数学竞赛中超越DeepSeek-R1模型？
Deutsch 
简体中文 
English 
日本語 
Português do Brasil