# DeepSeek-R1 的开源实现

- 来源：Hacker News 热门（buzzing.cc 中文翻译）
- 作者：yogthos
- 发布时间：2026-06-12 01:07
- AIHOT 分数：72
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.virxact.com/items/cmq9rg6q70ekjslldnvejg7m9
- 原文链接：https://github.com/huggingface/open-r1

## 精选理由

Hugging Face 把 DeepSeek-R1 的完整训练管线拆解得清清楚楚，从数据蒸馏到 GRPO 强化学习都开源了，还放出了复现的模型和数据集。想理解或自己训练推理模型的开发者，这大概是目前最实用的路线图。

## AI 摘要

DeepSeek-R1 的开源复现项目已在 GitHub 发布，在 Hacker News 上获得 101 个积分。该项目旨在以开源方式复现 DeepSeek-R1 模型。

## 正文

一个完全开源的 DeepSeek-R1 复现项目。本仓库仍在开发中，让我们一起构建它！

目录

概述

实施计划

安装

Training models

监督微调

GRPO

模型评估

复现 DeepSeek 的评估结果

Data generation

从精简蒸馏的 R1 模型生成数据

从 DeepSeek-R1 生成数据

贡献指南

概述

本仓库的目标是构建 R1 流程中缺失的环节，使每个人都能复现并在此基础上进行开发。该项目设计简洁，主要包含以下内容：

src/open_r1: contains the scripts to train models as well as generate synthetic data:

grpo.py：使用 GRPO 在给定数据集上训练模型。

sft.py：在数据集上对模型执行简单的监督微调。

generate.py：使用 Distilabel 从模型生成合成数据。

Makefile：包含利用上述脚本执行 R1 流程各步骤的易用命令。

实施计划

我们将以 DeepSeek-R1 技术报告为指导，该流程大致可分为三个主要步骤：

步骤 1：通过从 DeepSeek-R1 蒸馏高质量语料库，复现 R1-Distill 模型。

步骤 2：复现 DeepSeek 用于创建 R1-Zero 的纯强化学习流程。这很可能需要为数学、推理和代码领域策划新的、大规模的数据集。

步骤 3：展示如何通过多阶段训练，从基础模型过渡到强化学习调优模型。

新闻 🗞️

🧑‍🍳 [2025/05/26]（步骤 1 已完成！）我们发布了 Mixture-of-Thoughts——一个从 R1 蒸馏而来的、包含 35 万条经过验证的推理轨迹的精选推理数据集。该数据集涵盖数学、编程和科学领域的任务，旨在教会语言模型进行逐步推理。我们还提供了一份配方，用于训练 OpenR1-Distill-7B 模型，该模型复现了 deepseek-ai/DeepSeek-R1-Distill-Qwen-7B 的推理能力，标志着 Open R1 项目步骤 1 的完成。

⚡️ [2025/03/11]（更新 #3）：我们发布了 CodeForces-CoTs 数据集，包含 1 万个竞赛编程问题和从 R1 蒸馏而来的 10 万个解题方案。我们还发布了 IOI24：一个包含国际奥林匹克竞赛极难问题的新基准。在 CodeForces-CoTs 上训练的 7B Qwen 模型在 IOI24 上可以超越 Claude 3.7 Sonnet，而 32B 模型甚至可以超越 R1 本身。

∞ [2025/02/10]（更新 #2）：我们发布了 OpenR1-Math-220k 数据集，该数据集包含 22 万条从 R1 模型蒸馏得到的推理轨迹，基于新版本的 NuminaMath。使用该数据集训练的模型，其性能与 DeepSeek 蒸馏模型相当。

🔥 [2025/02/02]（更新 #1）：我们实现了训练、推理和评估流程的第一部分。开始行动吧！

安装

注意事项

相关库依赖 CUDA 12.4。如果遇到与段错误相关的报错，请使用 `nvcc --version` 双重检查系统运行的 CUDA 版本。

要运行本项目中的代码，首先请使用例如 uv 工具创建一个 Python 虚拟环境。如需安装 uv，请遵循 UV 安装指南。

说明

作为快捷方式，运行 `make install` 即可设置开发库（具体如下所述）。之后，如果一切设置正确，您可以尝试运行 Open-R1 模型。

uv venv openr1 --python 3.11 && source openr1/bin/activate && uv pip install --upgrade pip

提示

对于 Hugging Face 集群用户，请将 `export UV_LINK_MODE=copy` 添加到您的 `.bashrc` 文件中，以抑制 uv 的缓存警告。

接下来，安装 vLLM 和 FlashAttention：

uv pip install vllm==0.8.5.post1 uv pip install setuptools && uv pip install flash-attn --no-build-isolation

这也会安装 PyTorch v2.6.0，使用此版本非常重要，因为 vLLM 二进制文件是针对它编译的。然后，您可以通过 `pip install -e .[模式列表]` 为您的特定用例安装其余依赖项。对于大多数贡献者，我们推荐：

GIT_LFS_SKIP_SMUDGE=1 uv pip install -e ".[dev]"

接下来，按如下方式登录您的 Hugging Face 和 Weights and Biases 账户：

huggingface-cli login wandb login

最后，检查您的系统是否已安装 Git LFS，以便您可以向 Hugging Face Hub 加载和推送模型/数据集：

git-lfs --version

如果未安装，请运行：

sudo apt-get install git-lfs

训练模型

说明

下面的训练命令是针对配备 8 块 H100（80GB）的节点配置的。对于不同的硬件和拓扑结构，您可能需要调整批次大小和梯度累积步数。

我们支持使用 DDP 或 DeepSpeed（ZeRO-2 和 ZeRO-3）训练模型。例如，要对从 DeepSeek-R1 蒸馏得到的、包含推理轨迹（如 open-r1/Mixture-of-Thoughts）的数据集执行 SFT，请运行：

# Train via command line accelerate launch --config_file=recipes/accelerate_configs/zero3.yaml src/open_r1/sft.py \ --model_name_or_path open-r1/Qwen2.5-Math-7B-RoPE-300k \ --dataset_name open-r1/Mixture-of-Thoughts \ --dataset_config all \ --eos_token '<|im_end|>' \ --learning_rate 4.0e-5 \ --num_train_epochs 5 \ --max_seq_length 32768 \ --per_device_train_batch_size 2 \ --gradient_checkpointing \ --bf16 \ --use_liger_kernel \ --output_dir data/OpenR1-Distill-7B

# Train via YAML config accelerate launch --config_file recipes/accelerate_configs/zero3.yaml src/open_r1/sft.py \ --config recipes/OpenR1-Distill-7B/sft/config_distill.yaml

目前，支持以下任务：

监督微调 sft

分组相对策略优化 grpo

提示

如果您增加/减少 GPU 数量，我们建议同时按比例调整每设备批次大小或梯度累积步数，以保持全局批次大小不变。

默认情况下，这些脚本会将每个模型推送到你的 Hugging Face Hub 用户名下，即 `{username}/{model_name}-{task}`。你可以通过将参数附加到命令末尾来覆盖每个 YAML 配置中的参数，如下所示：

# Change the base model to a smaller variant accelerate launch --config_file recipes/accelerate_configs/zero3.yaml src/open_r1/sft.py \ --config recipes/OpenR1-Distill-7B/sft/config_distill.yaml \ --model_name_or_path Qwen/Qwen3-0.6B-Base \ --hub_model_id OpenR1-Distill-0.6B \ --output_dir data/OpenR1-Distill-0.6B

如果你还想覆盖 Weights and Biases 的默认设置，可以按如下方式操作：

accelerate launch --config_file recipes/accelerate_configs/zero3.yaml src/open_r1/sft.py \ --config recipes/OpenR1-Distill-7B/sft/config_distill.yaml --wandb_entity huggingface --wandb_project open-r1 --run_name Qwen2.5-1.5B-GRPO

🚨 警告 🚨

大多数基础模型（如 `meta-llama/Llama-3.2-1B`）没有聊天模板，因此我们在训练期间将 ChatML 设置为默认模板。然而，对于像 `Qwen/Qwen2.5-1.5B` 这样的 Qwen 基础模型，其分词器中预定义了聊天模板，因此必须相应地设置 EOS token，例如：

# Align EOS token with chat template for Qwen base models accelerate launch --config_file=recipes/accelerate_configs/zero3.yaml src/open_r1/sft.py \ --model_name_or_path Qwen/Qwen2.5-1.5B \ + --eos_token '<|im_end|>' --dataset_name open-r1/Mixture-of-Thoughts \ --dataset_config all \ --learning_rate 4.0e-5 \ --num_train_epochs 1 \ --max_seq_length 32768 \ --per_device_train_batch_size 16 \ --gradient_checkpointing \ --bf16 \ --use_liger_kernel \ --output_dir data/Qwen2.5-1.5B-Open-R1-Distill

如果你想使用自定义聊天模板（例如 Llama 或 Gemma），则必须提供聊天模板及关联的 EOS token：

# Align EOS token with custom chat template accelerate launch --config_file=recipes/accelerate_configs/zero3.yaml src/open_r1/sft.py \ --model_name_or_path meta-llama/Llama-3.2-1B \ + --chat_template "$(cat llama_chat_template.jinja)" \ + --eos_token '<|eot_id|>' \ --dataset_name open-r1/Mixture-of-Thoughts \ --dataset_config all \ --learning_rate 4.0e-5 \ --num_train_epochs 1 \ --max_seq_length 32768 \ --per_device_train_batch_size 16 \ --gradient_checkpointing \ --bf16 \ --use_liger_kernel \ --output_dir data/Llama-3.2-1B-Open-R1-Distill

SFT 知识蒸馏

我们提供了一个配方，用于从相同的基础模型出发，复现 `deepseek-ai/DeepSeek-R1-Distill-Qwen-7B` 的推理能力。为此，请运行：

ACCELERATE_LOG_LEVEL=info accelerate launch --config_file recipes/accelerate_configs/zero3.yaml \ src/open_r1/sft.py \ --config recipes/OpenR1-Distill-7B/sft/config_distill.yaml

结果将得到一个类似 `open-r1/OpenR1-Distill-7B` 的模型，其下游性能如下：

模型 AIME 2024 MATH-500 GPQA Diamond LiveCodeBench v5

OpenR1-Distill-7B 52.7 89.0 52.8 39.4

DeepSeek-R1-Distill-Qwen-7B 51.3 93.5 52.4 37.4

你可以调整 YAML 配置，以在不同的基础模型或数据集上进行训练。

GRPO

我们使用 TRL 的 vLLM 后端，将训练扩展到跨多个节点的大型模型。对于在 8 个 GPU 上进行小型模型的单节点训练，请使用 `vllm_mode="colocate"` 让 vLLM 在与训练脚本相同的进程中运行：

ACCELERATE_LOG_LEVEL=info \ accelerate launch --config_file recipes/accelerate_configs/zero3.yaml \ src/open_r1/grpo.py --config recipes/DeepSeek-R1-Distill-Qwen-1.5B/grpo/config_demo.yaml \ --vllm_mode colocate

警告

蒸馏版 DeepSeek 模型中使用的聊天模板会省略 `<think>` 和 `</think>` 标签内推理块的内容。它还会在助手回复中预填充 `<think>`，这会干扰格式奖励函数。为了解决这个问题，务必像 `recipes/DeepSeek-R1-Distill-Qwen-1.5B/grpo/config_demo.yaml` 中那样覆盖聊天模板。

对于 N+1 个节点的多节点训练（1 个节点运行 vLLM 服务器，N 个节点运行训练），我们提供了一个示例 Slurm 脚本。例如，要在 1+1 个节点上使用数据并行运行上述示例，请运行：

sbatch --nodes=2 slurm/train.slurm --model Qwen2.5-1.5B-Instruct --task grpo --config demo --accelerator zero2 --dp 8 --tp 1

更多详情请参见“在 Slurm 集群上启动作业”部分。

GRPO 数据集过滤

我们提供通过生成并计算可验证任务上的通过率来筛选数据集的支持，详情请参阅此 README。

👨‍💻 使用代码解释器进行训练

我们提供了一个代码奖励函数，用于在训练期间执行策略生成的代码。目前，该奖励函数针对 Codeforces 等编程竞赛，解决方案会针对一组测试用例执行，并将整体成功率作为最终奖励返回。为确保安全执行，我们支持多个沙箱提供商：

E2B - 基于云的快速沙箱，专注于 Python 执行

Morph - 基于云的沙箱，支持更广泛的语言 - Python/JS/C++/Rust

要使用代码奖励函数，首先安装必要的依赖项：

uv pip install -e '.[code]'

E2B 提供商

要使用 E2B 沙箱，请创建一个 `.env` 文件并添加您的 E2B API token：

E2B_API_KEY="e2b_xxx"

Morph 提供商

要使用 Morph，首先安装 morphcloud 包：

pip install morphcloud

然后将您的 Morph API token 添加到 `.env` 文件中：

MORPH_API_KEY="YOUR_MORPH_API_KEY"

要指定使用哪个提供商，请在您的配置中添加 `provider_type` 参数：

# For E2B provider_type: e2b

# For Morph provider_type: morph

数据集要求

确保您的数据集包含一个 `verification_info` 列，其模式如下（采用自 PrimeIntellect 优秀的可验证问题数据集）：

{ "language": "python", # Morph supports more languages including C++, Java, etc. "test_cases": [ { "input": "4\n4\n0001\n1000\n0011\n0111\n3\n010\n101\n0\n2\n00000\n00001\n4\n01\n001\n0001\n00001\n", "output": "1\n3 \n-1\n0\n\n2\n1 2 \n", "type": "stdin_stdout", } ], }

例如，要在 Python 问题上训练一个小模型，请启动 vLLM 服务器：

CUDA_VISIBLE_DEVICES=0 trl vllm-serve --model Qwen/Qwen2.5-1.5B-Instruct

然后使用以下命令运行训练：

CUDA_VISIBLE_DEVICES=1,2,3,4,5,6,7 ACCELERATE_LOG_LEVEL=info \ accelerate launch --config_file recipes/accelerate_configs/zero2.yaml --num_processes=7 \ src/open_r1/grpo.py --config recipes/Qwen2.5-1.5B-Instruct/grpo/config_demo_code.yaml

使用路由服务

当在沙箱服务上执行过多脚本时，可能会受到速率限制。对于这两个提供商，我们都提供了可在 CPU 节点上启动的路由脚本：

对于 E2B：

sbatch slurm/e2b_router.slurm

对于 Morph：

sbatch slurm/morph_router.slurm

然后在您的训练 YAML 配置中添加路由 URL：

# For E2B e2b_router_url: 1.2.3.4:8000

# For Morph morph_router_url: 1.2.3.4:8000

端口应与启动路由时使用的端口一致。所有训练任务可以共享同一个路由 IP，这将确保并行执行得到妥善管理。

竞赛编程问题：IOI 与 CodeForces

我们提供了 `ioi_code_reward` 和 `cf_code_reward` 奖励函数，分别用于执行来自 IOI 和 CodeForces 的问题。您可以使用 piston 或 Morph（目前仅限 IOI）作为您的执行提供商。

Piston

要使用 Piston：

让 piston 工作节点运行起来，请参阅 `slurm/piston/README.md`

将您的环境变量 `PISTON_ENDPOINTS` 设置为 `slurm` 或一个 piston 工作节点端点列表

对于 IOI：

在您的配置中，使用 `ioi_provider: "piston"`

针对 CodeForces：

下载生成的（困难）测试用例：

# change PATH_TO_SAVE_TESTCASES. Increase --max-workers according to your machine's capacity huggingface-cli download open-r1/codeforces --repo-type=dataset --include='generated_tests/*.parquet' --max-workers=8 --local-dir PATH_TO_SAVE_TESTCASES

将路径保存到 .env 文件中：

CF_TESTS_FOLDER=PATH_TO_SAVE_TESTCASES

Morph

Morph 是一种基于云的解决方案，提供沙盒化环境用于运行代码。使用方法如下：

安装 Morph 客户端：pip install morphcloud

将你的 Morph API 密钥添加到 .env 文件中：MORPH_API_KEY="your_key_here"

在你的配置中，使用 ioi_provider: "morph"

示例方案

针对 IOI：

查看示例方案，了解如何使用 IOI 奖励函数：

ACCELERATE_LOG_LEVEL=info accelerate launch --config_file recipes/accelerate_configs/zero2.yaml \ --num_processes=7 src/open_r1/grpo.py \ --config recipes/Qwen2.5-1.5B-Instruct/grpo/config_demo_code_ioi.yaml

针对 CodeForces：

sbatch --job-name=cf-grpo --nodes=2 slurm/train.slurm --model Qwen2.5-Coder-7B-Instruct --task grpo --config codeforces --accelerator zero3 --dp 8 --tp 1

在 Slurm 集群上启动任务

如果你有 Slurm 集群的访问权限，我们提供了一个 slurm/train.slurm 脚本，它会自动为你排队训练任务。使用方法如下：

sbatch --job-name=open_r1 --nodes=1 slurm/train.slurm --model {model_name} --task {task} --config {config_suffix} --accelerator {accelerator}

这里的 {model_name} 和 {task} 定义如上，而 {config_suffix} 指的是具体的配置文件，{accelerator} 指的是 recipes/accelerate_configs 中 🤗 Accelerate 配置的选择。如果你想覆盖默认的配置参数，可以通过附加一个空格分隔的字符串来提供，例如 '--arg1=value1 --arg2=value2'。以下是在 1 个节点（8 块 GPU）上运行 SFT 的具体示例：

sbatch --job-name=open_r1 --nodes=1 slurm/train.slurm --model OpenR1-Distill-7B --task sft --config distill --accelerator zero3

你可以通过增加 --nodes 标志来扩展节点数量。

对于 GRPO，我们使用 1 个节点作为 vLLM 服务器，N 个节点用于训练。例如，要在 1+1 个节点上使用混合数据和张量并行运行 GRPO，请运行：

sbatch --job-name=open_r1 --nodes=2 slurm/train.slurm --model Qwen2.5-1.5B-Instruct --task grpo --config demo --accelerator zero2 --dp 4 --tp 2

注意

slurm/train.slurm 中的配置是针对 Hugging Face 计算集群优化的，可能需要调整以适应你自己的计算节点。

自定义数据集混合

要将多个数据集组合成一个训练混合集，你可以在 YAML 配置文件中指定 dataset_mixture 参数。以下是操作模板：

dataset_mixture: datasets: # List of datasets to include in the mixture - id: dataset_1 # Hub dataset ID config: config_name_1 # Name of the dataset config split: split_1 # Split to use from the dataset columns: # Columns to keep - column_1 - column_2 weight: 0.25 # Fraction of dataset to use - id: dataset_2 config: config_name_2 split: split_2 columns: - column_1 - column_2 weight: 0.5 seed: 42 # Seed for shuffling the combined dataset test_split_size: 0.1 # Fraction of mixture to use for a test split

评估模型

我们使用 lighteval 来评估模型。对于适合单块 GPU 的模型，运行：

export VLLM_WORKER_MULTIPROC_METHOD=spawn # Required for vLLM MODEL=deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B MODEL_ARGS="model_name=$MODEL,dtype=bfloat16,max_model_length=32768,gpu_memory_utilization=0.8,generation_parameters={max_new_tokens:32768,temperature:0.6,top_p:0.95}" OUTPUT_DIR=data/evals/$MODEL

# AIME 2024 TASK=aime24 lighteval vllm $MODEL_ARGS "lighteval|$TASK|0|0" \ --use-chat-template \ --output-dir $OUTPUT_DIR

# MATH-500 TASK=math_500 lighteval vllm $MODEL_ARGS "lighteval|$TASK|0|0" \ --use-chat-template \ --output-dir $OUTPUT_DIR

# GPQA Diamond TASK=gpqa:diamond lighteval vllm $MODEL_ARGS "lighteval|$TASK|0|0" \ --use-chat-template \ --output-dir $OUTPUT_DIR

# LiveCodeBench lighteval vllm $MODEL_ARGS "extended|lcb:codegeneration|0|0" \ --use-chat-template \ --output-dir $OUTPUT_DIR

要跨多块 GPU 提高吞吐量，请按如下方式使用数据并行：

NUM_GPUS=8 MODEL=deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B MODEL_ARGS="model_name=$MODEL,dtype=bfloat16,data_parallel_size=$NUM_GPUS,max_model_length=32768,gpu_memory_utilization=0.8,generation_parameters={max_new_tokens:32768,temperature:0.6,top_p:0.95}" TASK=aime24 OUTPUT_DIR=data/evals/$MODEL

lighteval vllm $MODEL_ARGS "lighteval|$TASK|0|0" \ --use-chat-template \ --output-dir $OUTPUT_DIR

对于需要跨 GPU 分片的大型模型，请使用张量并行并运行：

NUM_GPUS=8 MODEL=deepseek-ai/DeepSeek-R1-Distill-Qwen-32B MODEL_ARGS="model_name=$MODEL,dtype=bfloat16,tensor_parallel_size=$NUM_GPUS,max_model_length=32768,gpu_memory_utilization=0.8,generation_parameters={max_new_tokens:32768,temperature:0.6,top_p:0.95}" TASK=aime24 OUTPUT_DIR=data/evals/$MODEL

export VLLM_WORKER_MULTIPROC_METHOD=spawn lighteval vllm $MODEL_ARGS "lighteval|$TASK|0|0" \ --use-chat-template \ --output-dir $OUTPUT_DIR

你也可以通过 make evaluate 启动评估，指定模型、任务，以及可选的并行技术和 GPU 数量。

在单块 GPU 上评估：

make evaluate MODEL=deepseek-ai/DeepSeek-R1-Distill-Qwen-32B TASK=aime24

使用数据并行：

make evaluate MODEL=deepseek-ai/DeepSeek-R1-Distill-Qwen-32B TASK=aime24 PARALLEL=data NUM_GPUS=8

使用张量并行：

make evaluate MODEL=deepseek-ai/DeepSeek-R1-Distill-Qwen-32B TASK=aime24 PARALLEL=tensor NUM_GPUS=8

复现 DeepSeek 的评估结果

DeepSeek-R1 论文使用每查询 4-64 个响应进行采样以估算 pass@1 准确率，但未说明每个基准测试的具体响应数量。在下表中，我们使用以下每查询响应数量来估算 pass@1 准确率：

基准测试 每查询响应数量

AIME 2024 64

MATH-500 4

GPQA Diamond 8

LiveCodeBench 16

请注意，对于像 AIME24 这样的基准测试，由于只有 30 道题目，采样大量响应非常重要，否则在重复运行中可能会引入高方差。每提示词采样的响应数量选择，很可能解释了我们的评估结果与 DeepSeek 报告结果之间存在微小差异的原因。

AIME 2024

我们能够在约 1-3 个标准差范围内复现 DeepSeek 在 AIME 2024 基准测试上报告的结果：

模型 AIME 2024 (🤗 LightEval) AIME 2024 (DeepSeek 报告值)

DeepSeek-R1-Distill-Qwen-1.5B 30.7 28.9

DeepSeek-R1-Distill-Qwen-7B 50.8 55.5

DeepSeek-R1-Distill-Qwen-14B 65.9 69.7

DeepSeek-R1-Distill-Qwen-32B 69.7 72.6

DeepSeek-R1-Distill-Llama-8B 43.9 41.7

DeepSeek-R1-Distill-Llama-70B 63.0 70.0

要复现这些结果，请使用以下命令：

NUM_GPUS=1 # Set to 8 for 32B and 70B models MODEL=deepseek-ai/{model_name} MODEL_ARGS="model_name=$MODEL,dtype=bfloat16,max_model_length=32768,gpu_memory_utilization=0.8,data_parallel_size=$NUM_GPUS,generation_parameters={max_new_tokens:32768,temperature:0.6,top_p:0.95}" OUTPUT_DIR=data/evals/$MODEL

lighteval vllm $MODEL_ARGS "lighteval|aime24|0|0" \ --use-chat-template \ --output-dir $OUTPUT_DIR

或者，您也可以按如下方式启动 Slurm 作业：

python scripts/run_benchmarks.py --model-id {model_id} --benchmarks aime24

MATH-500

我们能够在约 1-3 个标准差范围内复现 DeepSeek 在 MATH-500 基准测试上报告的结果：

模型 MATH-500 (🤗 LightEval) MATH-500 (DeepSeek 报告值)

DeepSeek-R1-Distill-Qwen-1.5B 83.1 83.9

DeepSeek-R1-Distill-Qwen-7B 94.5 92.8

DeepSeek-R1-Distill-Qwen-14B 94.1 93.9

DeepSeek-R1-Distill-Qwen-32B 95.6 94.3

DeepSeek-R1-Distill-Llama-8B 88.6 89.1

DeepSeek-R1-Distill-Llama-70B 95.1 94.5

要复现这些结果，请使用以下命令：

export VLLM_WORKER_MULTIPROC_METHOD=spawn NUM_GPUS=1 # Set to 8 for 32B and 70B models MODEL=deepseek-ai/{model_name} MODEL_ARGS="model_name=$MODEL,dtype=bfloat16,max_model_length=32768,gpu_memory_utilization=0.8,data_parallel_size=$NUM_GPUS,generation_parameters={max_new_tokens:32768,temperature:0.6,top_p:0.95}" OUTPUT_DIR=data/evals/$MODEL

lighteval vllm $MODEL_ARGS "lighteval|math_500|0|0" \ --use-chat-template \ --output-dir $OUTPUT_DIR

或者，您也可以按如下方式启动 Slurm 作业：

python scripts/run_benchmarks.py --model-id {model_id} --benchmarks math_500

GPQA Diamond

我们能够在约 1-3 个标准差范围内复现 DeepSeek 在 GPQA Diamond 基准测试上报告的结果：

模型 GPQA Diamond (🤗 LightEval) GPQA Diamond (DeepSeek 报告值)

DeepSeek-R1-Distill-Qwen-1.5B 35.8 33.8

DeepSeek-R1-Distill-Qwen-7B 50.5 49.1

DeepSeek-R1-Distill-Qwen-14B 61.5 59.1

DeepSeek-R1-Distill-Qwen-32B 63.1 62.1

DeepSeek-R1-Distill-Llama-8B 46.7 49.0

DeepSeek-R1-Distill-Llama-70B 67.4 65.2

要复现这些结果，请使用以下命令：

export VLLM_WORKER_MULTIPROC_METHOD=spawn NUM_GPUS=1 # Set to 8 for 32B and 70B models MODEL=deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B MODEL_ARGS="model_name=$MODEL,dtype=bfloat16,max_model_length=32768,gpu_memory_utilization=0.8,generation_parameters={max_new_tokens:32768,temperature:0.6,top_p:0.95}" OUTPUT_DIR=data/evals/$MODEL

lighteval vllm $MODEL_ARGS "lighteval|gpqa:diamond|0|0" \ --use-chat-template \ --output-dir $OUTPUT_DIR

python scripts/run_benchmarks.py --model-id {model_id} --benchmarks gpqa

LiveCodeBench

我们能够在约1-3个标准差范围内复现DeepSeek在LiveCodeBench代码生成基准测试上报告的结果：

模型 LiveCodeBench（🤗 LightEval） LiveCodeBench（DeepSeek报告值）

DeepSeek-R1-Distill-Qwen-1.5B 16.1 16.9

DeepSeek-R1-Distill-Qwen-7B 37.4 37.6

DeepSeek-R1-Distill-Qwen-14B 51.3 53.1

DeepSeek-R1-Distill-Qwen-32B 56.0 57.2

DeepSeek-R1-Distill-Llama-8B 37.4 39.6

DeepSeek-R1-Distill-Llama-70B 55.9 57.5

要复现这些结果，请使用以下命令：

NUM_GPUS=1 # Set to 8 for 32B and 70B models, or data_parallel_size=8 with the smaller models for speed MODEL=deepseek-ai/{model_name} MODEL_ARGS="model_name=$MODEL,dtype=bfloat16,max_model_length=32768,gpu_memory_utilization=0.8,data_parallel_size=$NUM_GPUS,generation_parameters={max_new_tokens:32768,temperature:0.6,top_p:0.95}" OUTPUT_DIR=data/evals/$MODEL

lighteval vllm $MODEL_ARGS "extended|lcb:codegeneration|0|0" \ --use-chat-template \ --output-dir $OUTPUT_DIR

python scripts/run_benchmarks.py --model-id {model_id} --benchmarks lcb

数据生成

从一个精简蒸馏的R1模型生成数据

以下示例可在1×H100上运行。首先安装以下依赖：

uv pip install "distilabel[vllm]>=1.5.2"

现在将以下代码片段保存到名为pipeline.py的文件中，并用python pipeline.py运行它。它将为10个示例中的每一个生成4个输出（将仓库的用户名改为你的组织/用户名）：

from datasets import load_dataset from distilabel.models import vLLM from distilabel.pipeline import Pipeline from distilabel.steps.tasks import TextGeneration

prompt_template = """\ You will be given a problem. Please reason step by step, and put your final answer within \boxed{}: {{ instruction }}"""

dataset = load_dataset("AI-MO/NuminaMath-TIR", split="train").select(range(10))

model_id = "deepseek-ai/DeepSeek-R1-Distill-Qwen-7B" # Exchange with another smol distilled r1

with Pipeline( name="distill-qwen-7b-r1", description="A pipeline to generate data from a distilled r1 model", ) as pipeline:

llm = vLLM( model=model_id, tokenizer=model_id, extra_kwargs={ "tensor_parallel_size": 1, "max_model_len": 8192, }, generation_kwargs={ "temperature": 0.6, "max_new_tokens": 8192, }, ) prompt_column = "problem" text_generation = TextGeneration( llm=llm, template=prompt_template, num_generations=4, input_mappings={"instruction": prompt_column} if prompt_column is not None else {} )

if __name__ == "__main__": distiset = pipeline.run(dataset=dataset) distiset.push_to_hub(repo_id="username/numina-deepseek-r1-qwen-7b")

查看HuggingFaceH4/numina-deepseek-r1-qwen-7b处的示例数据集。

从DeepSeek-R1生成数据

要运行更大的DeepSeek-R1，我们使用了2个节点，每个节点配备8×H100 GPU，并使用本仓库中位于slurm/generate.slurm的slurm文件。首先，安装依赖：

（目前我们需要安装修复了R1 CUDA图捕获问题的vllm开发版wheel包）

pip install https://wheels.vllm.ai/221d388cc5a836fa189305785ed7e887cea8b510/vllm-1.0.0.dev-cp38-abi3-manylinux1_x86_64.whl --extra-index-url https://download.pytorch.org/whl/cu121

uv pip install "distilabel[vllm,ray,openai]>=1.5.2"

然后运行以下命令：

sbatch slurm/generate.slurm \ --hf-dataset AI-MO/NuminaMath-TIR \ --temperature 0.6 \ --prompt-column problem \ --model deepseek-ai/DeepSeek-R1 \ --hf-output-dataset username/r1-dataset

注意

在作业运行期间，你可以通过集群登录节点设置SSH隧道，从你的计算机访问Ray仪表板，运行命令ssh -L 8265:ray_ip_head_node:8265 <login_node>，然后浏览http://localhost:8265

数据去污染

按照s1：简单测试时缩放，可以使用scripts/decontaminate.py脚本对数据进行去污染处理，该脚本使用8-gram对数据集进行去污染并去重数据。示例运行：

python scripts/decontaminate.py \ --dataset "open-r1/verifiable-coding-problems-python" \ --problem_column problem \ --cleanup

它将针对基准测试数据集进行去污染，然后移除被污染的样本。如果没有提供参数--new_dataset_name，则会复用同一数据集，并添加_decontaminated后缀。它针对提示词运行，对于该数据集，提示词是problem列，但也可以提供其他列。

脚本的参数：

usage: decontaminate.py [-h] --dataset DATASET [--split SPLIT] [--ngram_size NGRAM_SIZE] [--problem_column PROBLEM_COLUMN] [--cleanup] [--new_dataset_name NEW_DATASET_NAME]

options: -h, --help show this help message and exit --dataset DATASET Name of the dataset to check for contamination. --split SPLIT Split to check for contamination, defaults to `train`. --ngram_size NGRAM_SIZE Size of n-grams to build, defaults to 8. --problem_column PROBLEM_COLUMN Name of the column containing the problem (prompt). --cleanup Whether to remove the contaminated rows before pushing the dataset. --new_dataset_name NEW_DATASET_NAME New name for the dataset. If not provided, will reuse the name and add a `_decontaminated` to the name.

贡献

欢迎贡献。请参考#23。

致谢

本项目由开放 AI 社区中众多团体与个人的共同努力构建而成。我们特别感谢 vLLM 和 SGLang 团队，他们创建了高性能工具，用于扩展 GRPO 的部署规模。同时，我们也感谢 OpenThoughts、Prime Intellect 和 General Reasoning 团队，他们创建并分享了高质量的推理数据集。

引用

如果您发现本项目对您的工作有用，请考虑按如下方式引用：

@misc{openr1, title = {Open R1: A fully open reproduction of DeepSeek-R1}, url = {https://github.com/huggingface/open-r1}, author = {{Hugging Face}}, month = {January}, year = {2025} }

关于

DeepSeek-R1 的完全开源复现

资源

许可证

Apache-2.0 许可证

自定义属性

星标数

26.3k

关注者

复刻数

2.4k

复刻

举报仓库

发布版本

暂无发布版本

软件包

贡献者

编程语言

Python 89.4%

Shell 10.0%

Makefile 0.6%