1. 前言   00:00

2. 消息来源  00:44

3.  数据来源   01:36

3.1 五个公开数据集   02:38

3.2 自创两个数据集   04:15

4. 数据处理   05:48

4.1 筛选    05:59

4.2 蒸馏 Google Gemini 是误解   06:21

5. 模型训练   07:29

5.1 通义千问 Qwen2.5-32B 是模型基座  07:32

5.2 SFT 训练产生 s1-32B 模型   08:28

5.3 Budget forcing    09:02

5.4 成本只有 24 美元    10:02

6. 伯克利潘博士的尝试    12:54

6.1 基座也是通义千问，不过模型规模更小，Qwen2.5-3B    13:23

6.2 针对两个简单的数学专项任务  13:54

6.3 成本不到 30 美元    14:31

7. 总结  14:58

参考文献：

1. 李飞飞教授的论文：

arxiv.org

2. Berkeley 潘博士的项目：

github.com