北京交通大学研究团队悄默声推出了一版 o1，而且所有源代码、精选数据集以及衍生模型都开源！名为 O1-CODER，专注于编码任务。团队认为编码是一个需要 System-2 思维方式的典型任务，涉及谨慎、逻辑、一步步的问题解决过程。而他们的策略是将强化学习（RL）与蒙特卡洛树搜索（MCTS）相结合，让模型能够不断生成推理数据，提升其 System-2 能力。实验中，团队有以下几点关键发现：

• 当推理正确时，基于伪代码的推理显著提升了代码生成质量
• 将监督微调（SFT）