1. Introduction au tutoriel

VibeThinker-1.5B est le premier modèle open source à grande échelle publié par Weibo AI en novembre 2025. Ses puissantes capacités ne reposent pas sur une simple accumulation de paramètres ; elles découlent plutôt du concept d'entraînement SSP proposé par les développeurs de Weibo. Ce concept encourage le modèle à explorer tous les chemins de solution possibles pendant la phase d'apprentissage, au lieu de se concentrer uniquement sur la précision. L'apprentissage par renforcement est ensuite utilisé pour une optimisation efficace de la politique, permettant de verrouiller précisément le bon chemin et de maximiser les performances du modèle. L'article associé est intitulé « … »Petit modèle, grande logique : l’optimisation axée sur la diversité permet d’obtenir des capacités de raisonnement de grande envergure dans VibeThinker-1.5B".

Ce tutoriel utilise une seule carte graphique RTX 5090 par défaut, mais une seule carte graphique RTX 4090 est également compatible. Il est recommandé de poser vos questions en anglais, car le modèle ne prend en charge que les réponses en anglais.

Ce modèle est recommandé pour la résolution de problèmes de programmation mathématique et algorithmique de type compétitif.

2. Affichage des effets

3. Étapes de l'opération

1. Démarrez le conteneur

2. Étapes d'utilisation

Si « Modèle » n'est pas affiché, cela signifie que le modèle est en cours d'initialisation. Le modèle étant volumineux, veuillez patienter 2 à 3 minutes avant d'actualiser la page.

Informations sur la citation

Les informations de citation pour ce projet sont les suivantes :

@misc{xu2025tinymodelbiglogic,
      title={Tiny Model, Big Logic: Diversity-Driven Optimization Elicits Large-Model Reasoning Ability in VibeThinker-1.5B}, 
      author={Sen Xu and Yi Zhou and Wei Wang and Jixin Min and Zhibin Yin and Yingwei Dai and Shixi Liu and Lianyu Pang and Yirong Chen and Junlin Zhang},
      year={2025},
      eprint={2511.06221},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2511.06221}, 
}