近期，一款名为s1的人工智能推理模型引发广泛关注。研究人员以不到50美元的云计算费用，成功训练出该模型，此消息如巨石入水，在AI领域激起千层浪。
s1模型的独特之处，首先体现在其核心支撑要素上，即s1K数据集和预算强制法。s1K数据集的构建堪称匠心独运，团队精心挑选1000个问题，涵盖数学竞赛、博士级科学、奥林匹克竞赛等多种类型，通过难度、多样性和质量三个标准严格验证。这些数据来源广泛，既有NuminaMATH等既有数据集，也有团队自创的s1-prob和s1-teasers。同时，借助谷歌GeminiFlash Thinking模型生成推理轨迹和答案，为数据集增添丰富内涵。
在测试时扩展方法上，s1团队分为并行和顺序两类，而备受关注的预算强制法，正是针对顺序类方法研发。该方法通过控制模型生成的思考标记，灵活调整模型思考过程，确保模型在合理计算量内高效运行。
经过一系列操作，团队对阿里的Qwen2.5-32B-Instruct进行s1K的监督微调并应用预算强制后，得到模型s1-32B。这一过程看似简单，实则蕴含诸多复杂细节。
然而，该模型成果在传播过程中引发诸多误解。不少人认为李飞飞团队用低价训练出媲美顶尖模型的产品，甚至存在诸多夸大说法。对此，知乎大模型优秀答主段小草进行详细剖析。
关于是否是李飞飞团队，虽有关系，但主要工作由几位共同一作承担，李飞飞更多可能是指导或挂名。在成本方面，50美元仅为最后一轮微调的GPU卡时费用，且不包括人力、数据等其他成本，同时模型并非只训一轮。在性能上，s1只能在特定测试集上超过o1-preview，与o1正式版和DeepSeekR1仍有较大差距。而训练数据与Gemini的关系，严格说并非传统‘蒸馏’概念。
尽管如此，s1模型并非毫无价值。其通过精心挑选数据和创新方法，在特定测试集上取得一定成绩，尤其在强制延长模型思考时间方面的探索，为AI发展提供新思路。
此外，近期另一篇论文《LIMO: Less is More forReasoning》也值得关注。该论文基于Qwen2.5-32B探讨测试时计算扩展，仅用少量数据示例便激发模型复杂数学推理能力，挑战传统观点。
在信息传播过程中，‘李飞飞团队’论文被不同程度曲解。从论文作者推文到AI工程师博客，再到外媒报道，信息在传播中被加工，部分内容甚至成为噱头，引发国内广泛误读。但无论如何，这些探索都推动着AI领域不断向前发展。
