通过强化学习训练的数学与代码推理模型，基于DeepSeek-R1-Distilled-Qwen-7B，在数学和代码推理任务上表现优异

AceReason-Nemotron-14B是一款通过强化学习训练的数学与代码推理模型，基于DeepSeek-R1-Distilled-Qwen-14B，在数学和代码推理任务上表现卓越。

EXAONE Deep系列模型在数学和编程等推理任务中表现出色，7.8B版本优于同规模开源模型，甚至超越某些专有模型。

专为数学与通用推理优化的高性能蒸馏模型，基于Qwen2.5-72B通过强化学习提炼而成

OREAL-32B-SFT是基于Qwen2.5-32B的监督微调模型，专为数学推理任务设计，是OREA强化学习框架的初始策略模型。

Mathstral 7B是基于Mistral 7B开发的专精数学与科学任务的模型，在数学推理和科学计算任务上表现优异。