VibeThinker-3B：基于Qwen2.5-Coder-3B与频谱到信号后训练流水线的3B密集推理模型

VibeThinker-3B是一个仅30亿参数的开源推理模型，在可验证基准测试中匹配DeepSeek V3.2和Kimi K2.5等千亿级模型。它采用频谱到信号后训练流水线，通过监督微调、强化学习和自蒸馏实现高效推理，并引入测试时缩放方法CLR进一步提升性能。