Logic-RL：用基于规则的强化学习释放大语言模型推理能力。该项目目标是在逻辑谜题上复现 R1 Zero，以骑士与无赖（Knights and Knaves, K&K）谜题数据集作为示例场景。
用途：面向大语言模型推理能力的研究与训练实验，通过基于规则的强化学习方式提升模型的逻辑推理表现，并尝试复现 R1 Zero 在逻辑谜题上的效果。
主要能力：项目围绕数据准备与训练执行提供实践路径，并提供了用于自身数据生成的演示。同时，仓库提及了两项相关更新：2025/03/20 发布 ADORA：一种用于引导学习轨迹的可扩展范式；2025/03/19 为稳定长度控制，参考 https://github.com/lblankl/Short-RL。
使用方式：数据准备方面，可以直接使用 /data 目录；如需自行生成数据，项目给出演示。训练执行方面，项目提供相关说明供参考实现。
适用场景：适合关注规则强化学习、逻辑谜题推理、大语言模型推理训练的研究者和开发者，用于复现实验、探索训练数据准备与训练执行流程。
限制：资料中未提供具体的性能指标、支持的模型规模、硬件要求、训练时长、依赖环境详细信息及许可条款；除上述提及的 ADORA 与 Short-RL 外，未提供更详细的版本或收费信息。部分事实暂未提供。
