DeepSeek-R1-Distill-Llama-70B 是一款基于强化学习优化的大型语言模型，专注于推理和对话能力。

医疗领域复杂推理的大型语言模型

通过强化学习微调大型视觉-语言模型作为决策代理

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。