【[21星]L1：用强化学习控制推理模型的思考时间，让AI推理更高效。亮点：1. 利用强化学习动态调整推理时长；2. 支持多种数据集和模型训练；3. 提供预训练模型，快速上手】
'L1: Controlling How Long A Reasoning Model Thinks With Reinforcement Learning'
GitHub: github.com/cmu-l3/l1
#强化学习# #AI推理# #模型优化# #AI创造营#