李飞飞团队凭借不到50美元的云计算成本，成功研发出高性价比的推理模型S1。在数学和编程能力测试中，S1的表现与OpenAI的o1、DeepSeek的R1等顶尖模型旗鼓相当，其实力不容忽视。

S1的诞生，得益于李飞飞团队采用的“蒸馏”技术。 该技术使S1能够通过模仿学习其他模型的答案，提炼出强大的推理能力。为了进一步提升S1的智能水平，团队精心设计了1000个问题及答案，并收集了谷歌Gemini Thinking Experimental在回答问题时的思考过程生成数据集。S1对现成的预训练模型（Qwen2.5）在该小型数据集上（1k）进行了监督微调（SFT），在16个H100 GPU上仅需26分钟的训练时间，成本仅为约20美元。

一、蒸馏 or 微调

S1模型是蒸馏（Distill）or 微调（SFT）？

S1模型成功地将蒸馏和微调结合在一起，通过蒸馏学习其他模型的输出并提炼出优异推理能力，然后在开源基础模型上进行监督微调，实现了低成本高效能的AI推理模型。

• 蒸馏（Distill）：S1模型从谷歌的Gemini 2.0 Flash Thinking Experimental模型中蒸馏出了推理能力。 蒸馏技术能够大幅降低模型训练的成本，但需要注意的是，蒸馏出来的模型在性能上可能无法超过被蒸馏的模型。

• 微调（SFT）：S1模型的训练并非从零开始，而是基于通义千问（Qwen2.5）模型进行了监督微调（SFT）。

S1模型通过蒸馏技术从开源基础模型Gemini 2.0 Flash中汲取了强大的推理能力，并在此坚实基础上，通过监督微调进行了进一步的优化。 这一过程使得S1模型即便在小数据集上也能展现出低成本高效能的表现。

S1模型如何构建推理数据集？

遵循质量、难度和多样性三个原则，从初步收集的59,029样本中经过三轮严格筛选，最终确定了1000高质量、高难度且领域多样的推理数据集，用于监督微调模型。

二、RL ≈ Test-time scaling

新型缩放范式-测试时缩放（Test-time scaling）是什么？

测试时缩放是一种在模型测试阶段通过调整计算资源来提高模型性能的方法。测试时缩放方法分为两类：

• 1) 顺序缩放，其中后续计算依赖于先前计算（例如，一个长的推理轨迹）；
• 2) 并行缩放，其中计算独立运行（例如，多数投票）

近年来，大语言模型（LLMs）性能的提升得益于大规模无监督预训练与有监督微调（Pre-training + Fine-tuning）。

但OpenAI-o1、DeepSeek- R1等强大模型的诞生，为构建在这些模型基础之上的新型缩放范式——测试时缩放——奠定了坚实的基础。测试时缩放作为一种新兴的方法，旨在通过调整测试阶段的计算能力来进一步优化模型的表现。这一范式利用了已经训练好的强大模型，在模型进行预测或推理时，通过增加计算量（如迭代次数、模型大小、数据使用量等）来获得更准确或更可靠的结果。

大模型强化学习（RL）可以实现测试时缩放？OpenAI-o1******模型展示了强大的推理性能，并且随着测试时计算能力的缩放，其性能持续提高。**OpenAI将其方法描述为使用大规模强化学习（RL），这意味着使用了大量数据。

DeepSeek-R1成功复制了o1级别的性能，同样通过数百万个样本和多个训练阶段使用了强化学习。

然而，李飞飞团队认为尽管有许多尝试复制o1模型的工作， 但没有一项工作公开复制出清晰的测试时缩放行为。因此，李飞飞团队提出的问题是：实现测试时缩放和强大推理性能的最简单方法是什么？

---

三、如何系统学习掌握AI大模型？

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 2024行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】