हाल ही में, 360 दिमाग टीम ने Deepseek के सुदृढीकरण अधिगम प्रभाव को सफलतापूर्वक दोहराने की घोषणा की और आधिकारिक तौर पर ओपन-सोर्स अनुमान मॉडल Light-R1-14B-DS जारी किया। यह मॉडल DeepSeek-R1-Distill-Llama-70B और DeepSeek-R1-Distill-Qwen-32B से बेहतर प्रदर्शन करता है, जो 14B पैरामीटर पैमाने पर सुदृढीकरण अधिगम प्रभाव को प्राप्त करने वाला उद्योग का पहला मॉडल है, जिससे गणितीय तर्क क्षमता में उल्लेखनीय वृद्धि हुई है, और अधिकांश 32B स्तर के मॉडल को पार कर गया है।