Light-R1是奇虎360团队开发的专业级开源AI模型，其核心定位是解决数学领域的长链推理问题。该模型基于Qwen2.5-32B-Instruct架构，通过创新性的课程式监督微调（SFT）和直接偏好优化（DPO）训练方法实现性能突破。在AIME24和AIME25两项国际数学竞赛评测中，分别取得76.6和64.6的高分，显著超越了同类模型DeepSeek-R1-Distill-Qwen-32B的表现。项目的技术亮点包括采用去污染数据预处理技术、创新的模型融合方法以及独特的硬编码推理标记设计，使得训练成本控制在1000美元以内（12台H800服务器6小时训练）。
作为完全开源项目，Light-R1不仅提供预训练模型，还公开了完整的训练数据集、评估工具和基于360-LLaMA-Factory的训练脚本。这种开放模式为数学推理模型的研发设立了新的技术标杆，特别是在长链推理能力优化方面提供了可复现的技术方案。
This answer comes from the articleLight-R1: 360 open-source superb inference model for the mathematical domainThe
May not be reproduced without permission:AI productivity tools " Light-R1是360开源的一款专注于数学长链推理领域的AI模型
English 
简体中文 
日本語 
Deutsch 
Português do Brasil