倒计时任务训练分为Data preprocessingcap (a poem)model training两个阶段，具体操作流程如下：
阶段一：数据准备
Execute the command:python ./examples/data_preprocess/countdown.py --local_dir {数据集路径}
该脚本会自动：
- 生成符合Qwen模型格式的训练数据
- 构建数字推理任务的特定prompt模板
- 分割训练/验证集（默认比例8:2）
阶段二：训练启动
需配置环境变量：
BASE_MODEL：基础模型路径（如Qwen-1.5B）DATA_DIR：预处理后的数据目录EXPERIMENT_NAME：实验标识（用于wandb记录）
最后执行bash ./scripts/train_tiny_zero.sh启动训练，系统会自动：
- 加载veRL策略网络和价值网络
- 启动蒙特卡洛树搜索（MCTS）进行策略优化
- 每100step输出验证集准确率
典型训练时长：1.5B模型在单H200上约需3.5小时达到90%+验证准确率。
This answer comes from the articleTinyZero: A Low-Cost Replication of DeepSeeK-R1 Zero's Epiphany EffectThe
May not be reproduced without permission:AI productivity tools " 如何利用TinyZero完成倒计时任务的训练？关键步骤是什么？
English 
简体中文 
日本語 
Deutsch 
Português do Brasil