TinyZero 是一个对 DeepSeek R1-Zero 的极简复现项目，托管在 GitHub 上（https://github.com/Jiayi-Pan/TinyZero）。项目基于 veRL 构建，目标是在倒计时（countdown）和乘法（multiplication）任务上复现 DeepSeek R1 Zero 的强化学习训练效果。
主要能力方面，项目展示了通过强化学习，3B 基础语言模型能够自行发展出自我验证和搜索能力。项目宣称可以以低于 30 美元的成本体验“Aha moment”。相关实验记录发布在 Weights & Biases（https://wandb.ai/jiayipan/TinyZero），并在 Twitter 上有对应讨论帖（https://x.com/jiayi_pirate/status/1882839370505621655）。项目还发布了 Adaptive Parallel Reasoning，探索推理模型扩展的新维度。
使用方式上，项目提供了数据准备（Data Preparation）相关说明。对于代码运行中出现的显存不足（out-of-VRAM）问题，建议在脚本中添加 critic.model.enable_gradient_checkpointing=True，并参考相关讨论。项目说明该方案适用于模型规模不超过 1.5B 的情况；对于 Qwen2.5-0.5B 基础模型，已知其无法学会推理。3B 及以上模型的情况下，基础模型能够发展出复杂的推理技能。项目还进行了 Instruct 消融实验，使用 Qwen-2.5-3B Instruct 进行实验，并说明为遵循聊天模板需要重新处理数据。
适用场景主要是强化学习实验、推理能力研究以及 DeepSeek R1-Zero 的复现研究。
限制方面，仓库顶部有明确的弃用通知（Deprecation Notice）：该仓库已不再积极维护，进行 RL 实验时建议直接使用最新的 veRL 库，原始文档已归档至 OLD_README.md。此外，项目对模型规模有要求，0.5B 基础模型无法学会推理，1.5B 及以下模型需要额外配置以应对显存问题。
致谢部分提到，实验基于 veRL 运行，并使用 Qwen2.5 系列基础模型。
