另一方面，LIMO模型同样以极低的数据样本量实现了显著的推理能力提升。研究者们通过仅817个样本训练，使得LIMO在几个重要数学基准测试上取得了94.8%的准确率，远超以往需要成千上万样本的传统模型。LIMO的成功挑战了“有监督微调”通常需依赖大规模数据的广泛共识，证明了基础模型在特定任务中所具备的潜力，这将大大减轻开发智能推理应用所需的时间与费用。

上海交通大学的研究人员在一项新研究中发现，大语言模型 (LLMs) 无需依赖大规模数据集就能学习复杂的推理任务。他们的研究表明，只需要一小批精心策划的示例，就能训练大语言模型完成那些原本被认为需要数万个训练实例的任务。

Open R1由huggingface出品，当前最火的DeepSeek-R1全开源复现，已经18.8k了，这两天该项目发布了最新进展：开源了包含由 DeepSeek R1生成的用于数学推理的全新大规模数据集OpenR1 -220k-Math合成数据处理技术细节汇总开源社在R1技术上的探索：Unsloth、李飞飞s1、AIME ...

在此次调研会上，投资者主要关注公司对瑞士SMO以及Heptagon的两项并购事宜。对此，在问答环节中，炬光科技详细介绍了此前并购LIMO的整合经验对瑞士SMO并购以及Heptagon并购的帮助。 炬光科技表示，2016—2017年，公司成功并购德国LIMO微光学公司。此后，在2019年 ...

一个业界的共识是，Qwen最早扛起了中国AI大模型开源的大旗，也带起了一波开源的浪潮，孕育起一个AI生态。阿里云牵头建设的魔搭社区，已经上架了4万多个AI模型，服务超过1000万名开发者。

在追求人工智能极限的道路上，"更大即更强" 似乎已成为共识。特别是在数学推理这一被视为 AI 终极挑战的领域，业界普遍认为需要海量数据和复杂的强化学习才能获得突破。然而，来自上海交通大学的最新研究却给出了一个令人震惊的答案：仅需 817 ...