教育领域逻辑思维训练

Logic-RL 是基于 DeepSeek R1 Zero 框架复现的强化学习项目，专注于通过强化学习提升大型语言模型解决复杂逻辑谜题的能力。在 2K Tiny Logic Puzzle 数据集上实现 100% 准确率，支持中英混合推理，并通过强化学习优化使输出长度平均减少 30%。项目提供从数据预处理到模型训练的全流程解决方案，强调逐步推理过程而非直接输出答案。