TinyZero：低成本复现 DeepSeeK

TinyZero 是一个基于 veRL 的强化学习模型，旨在复现 DeepSeeK-R1 Zero 在倒计时和乘法任务中的表现。令人惊讶的是，该项目仅需 30 美元的运行成本（使用 2xH200，每小时 6.4 美元，不到 5 小时），就能实现与 DeepSeeK-R1 Zero 相同的顿悟效果。通过强化学习（RL），3B 基础语言模型（LM）能够自主开发自我验证和搜索能力。用户可以通过简单的安装步骤和训练过程，体验到 TinyZero 的强大功能和创新性。