使用场景
在数学竞赛辅导软件中集成该模型，为学生提供实时解题建议和思路。
研究人员利用该模型的开源代码，探索新的强化学习算法优化方法。
数学教师使用该模型生成练习题和解析，辅助课堂教学。
产品特色
使用分布式强化学习算法优化模型性能
支持长文本上下文（最长可达24K），提升复杂问题解决能力
基于大规模数学问题数据集进行训练，覆盖 AIME、AMC 等竞赛题目
提供高效的推理服务支持，兼容多种高性能推理系统
开源模型架构和训练方法，便于开发者二次开发和研究
使用教程
1. 访问 Hugging Face 网站并下载 DeepScaleR-1.5B-Preview 模型文件。
2. 安装支持的推理系统（如 vLLM 或 Hugging Face Text Generation Inference）。
3. 将模型加载到推理系统中，配置合适的参数（如上下文长度、采样策略等）。
4. 使用模型进行数学问题的推理和解答，通过 API 接口调用模型服务。
5. 根据实际需求对模型输出进行解析和处理，例如提取答案、生成解题步骤等。
