Mini-R1：复现DeepSeek R1顿悟时刻的RL教程

Hugging Face 发布 Mini-R1 教程，旨在通过强化学习复现 DeepSeek R1 的“顿悟时刻”。该教程基于小型模型和简单游戏环境（如倒计时游戏），演示了如何通过 RL 训练使模型自发涌现推理能力。教程提供了完整代码、训练脚本和实验分析，适合开发者学习 RL 在推理任务中的应用。