TinyZero：复现DeepSeek R1-Zero的自验证与搜索能力 | Jiayi-Pan/TinyZero
TinyZero：一段被刻意冻结的RL实验记录 不是所有归档的项目都值得看，但这个值得。TinyZero用纯强化学习，在倒计时和乘法两个任务上，让3B参数的base模型（Qwen2.5-3B）自己学会了自我验证和搜索。没有预训练推理数据，没有人工标注的链式思考。作者管这个现象叫“Aha moment...
TinyZero：一段被刻意冻结的RL实验记录 不是所有归档的项目都值得看，但这个值得。TinyZero用纯强化学习，在倒计时和乘法两个任务上，让3B参数的base模型（Qwen2.5-3B）自己学会了自我验证和搜索。没有预训练推理数据，没有人工标注的链式思考。作者管这个现象叫“Aha moment...