Light-R1提供完整的开源训练框架，复现训练需以下步骤：
1. configuração ambiental
- 安装360-LLaMA-Factory框架：
pip install -r train-scripts/requirements.txt - 准备12台H800或同等算力GPU集群
2. 分阶段训练
- SFT第一阶段::
bash train-scripts/sft_stage1.sh（76k数据集，约3小时） - SFT第二阶段::
bash train-scripts/sft_stage2.sh（3k精选难题） - DPO优化::
bash train-scripts/dpo.sh基于SFT结果强化推理选择
3. 模型合并
使用脚本整合各阶段成果：
python merge_models.py
--sft-model sft_stage2
--dpo-model dpo
--output Light-R1-32B4. 自定义开发建议
- 领域扩展：替换数据集的50%为物理/化学题目可构建理科通用模型
- Otimização da eficiência：调整DPO阶段的温度参数（默认0.1）平衡多样性与精确度
- 评估验证：使用项目内置的DeepScaleR工具测试新模型在AIME基准的表现
Essa resposta foi extraída do artigoLight-R1: 360 modelo de inferência soberba de código aberto para o domínio matemáticoO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " 如何使用Light-R1复现训练过程或进行二次开发？
Português do Brasil 
简体中文 
English 
日本語 
Deutsch