结合 DeepSeek 的官方技术报告来看，也就是说，Open R1 项目首先要实现的，是用 R1 数据蒸馏小模型，看看效果是不是像 DeepSeek 说的那么好： 接下来，就是按照 DeepSeek 所说，不用 SFT，纯靠 RL 调教出 ...