一个用于强化学习人类反馈训练过程可视化的工具，帮助深度理解与调试。

医疗领域复杂推理的大型语言模型

基于PRIME方法训练的7B参数语言模型，专为提升推理能力而设计。

一个开放源代码的 14B 参数编程模型，具备高效的代码推理能力。

VLM-R1 是一个稳定且通用的强化视觉语言模型，专注于视觉理解任务。

一种无需搜索即可激励 LLM 搜索能力的框架。