g1是一个实验性原型，旨在通过提示策略改进大型语言模型（LLM）的推理能力，生成类似o1的推理链。它基于Groq平台，使用开源模型Llama-3.1 70b，允许模型逐步“思考”并解决通常难倒领先模型的逻辑问题。与OpenAI的o1不同，g1展示所有推理令牌，且使用开源模型，并非o1的完整复现或比较，而是为了启发开源社区开发新的推理策略。
主要能力：g1通过动态链式思维（Chain of Thought）生成推理链，每个步骤都有标题且对用户可见。模型在每一步可选择继续推理或提供最终答案。系统提示包含多种技巧，如要求模型“探索替代答案”、“使用至少3种方法推导答案”、“考虑自身局限性”等，从而提升推理能力。在草莓问题（“strawberry中有几个R？”）上，g1准确率约70%（n=10），而未经提示的Llama-3.1-70b为0%，ChatGPT-4o为30%。初始测试显示，g1在通常难倒LLM的简单逻辑问题上准确率可达60-80%，但准确率尚未经过正式评估。
使用方式：用户可通过Streamlit UI或Gradio UI使用g1。具体安装和运行命令请参考GitHub仓库中的说明。仓库中提供了提示策略的详细分解，包括角色设定、逐步推理指令、JSON格式要求（包含'title'、'content'和'next_action'键）以及全大写的最佳实践提示。
适用场景：g1适用于需要逻辑推理的任务，尤其适合解决那些通常难倒LLM的简单逻辑问题，如草莓问题、比较大小等。它可以帮助研究者和开发者探索提示工程对推理能力的提升。
限制：g1是早期实验原型，并非完美，准确率未经过正式评估。它依赖于提示策略，而非训练，因此在不同问题上的表现可能不稳定。此外，g1使用Groq平台和Llama-3.1 70b模型，可能受限于平台可用性和模型性能。
