李飞飞团队近日发表论文称以50美元训练出推理模型s1，性能接近OpenAI等顶尖产品。经调查，该模型实为基于阿里云通义千问(Qwen)模型的微调成果，训练样本仅1000条。
业内专家指出，s1模型实为在通义千问基座模型上的微调成果，该研究利用了通义模型已具备的强大推理能力，新增训练数据仅起优化作用。业内专家强调，这与从零训练全新模型有本质区别。
阿里云证实，该团队以阿里通义千问Qwen2.5-32B-Instruct开源模型为底座，在16块H100GPU上监督微调26分钟，训练出新模型s1-32B，取得了与OpenAI的o1和DeepSeek的R1等尖端推理模型数学及编码能力相当的效果，甚至在竞赛数学问题上的表现比o1-preview高出27%。
www前排看戏
意思微调当训练？学术也搞震惊体
前排围观
标题党，训练了个融合lora的模型，当做大模型
原来如此
是不是太想火了
国外也搞标题党
没意思的。
标题党而已，但是对用户来说只要更强，管它如何训练的
哪个团队我记得不是研究3D算法什么的有什么进展了.
50美元要是能成的话，那岂不是人手一个 
分享一个解读，很遗憾这则信息传播偏差上主要还是国内营销号的添油加醋
https://www.zhihu.com/question/11467407313/answer/94584520134
thinking，就是让模型prefer长输出的同时提高逻辑问题的正确率，只要做到这一点都算训练吧
微调确实可以人手一个 
给旧模型喂一些思考样本都能提高一些任务的能力
在 671B的样本面前，1000 条样本，233
主要是Qwen开源哈哈哈。
关键是现在很多团队都搞出来什么1000条高质量数据进行微调，然后花了几个美元，效果极好。问题是这玩意发论文可以，实际应用肯定不行啊
看你要不要区分“微调”的概念了
