效率；更多地关注对教师模型推理策略的学习，而不仅是输出。 ➢ S1 模型通过少成本获得超过o1-preview的表现： ➢ 高质量推理数据构建：s1K数据集精心挑选了1000个涵盖数学竞赛、博士级科学问题及奥林匹克竞赛题目等，这些问题经 过难度、多样性和质量的严格筛选，并包含详细的推理轨迹与答案。 类似课程学习的效果。 ➢ 采样策略优化：预算强制法有效地控制了模型在测试阶段的计算资源消耗。 ➢ 当模型生