cloud studio不仅是面向广大代码创作者的云端集成开发环境（webide），也是人工智能与编程教学的“ai编码数字教室”。

CloudStudio的“AI编码数字教室”为编程实训教师提供了以下功能，符合教改核心方针，降低了人工智能实训和编码教学的普及门槛，使规模化教学变得更加顺畅。

提供即开即用的CPU/GPU算力空间，IDE环境连接云上算力，根据项目需求调整配置，开发并查看运行效果。提供全功能的云端IDE，预置30多种语言与AI模板，无需下载安装，随时随地进行编码，拥有流畅的编码体验。具备持久化快速加载能力，云上文件存储保障开发文件随开随写，随时保存。教学管理支持包括：云资源分配与管理、课程制作管理与分享；学生一键加入、作业行为数据上传分析。

图片内置PHP中文网AI代码助手，支持技术对话、AI内容生成，免登陆免费使用，实现AI助教、助学，并可标准化轻量集成至校方已有教学平台。CloudStudio逐步推出有代表性的优质课程，今天向大家分享《DeepSeek R1模型训练与优化实战》。这套教程系统解析了DeepSeek R1推理模型的多阶段强化学习与监督微调技术框架，适合AI开发者和研究者掌握前沿大模型训练范式，实现复杂任务场景下的模型性能突破与低成本高效部署。

第一章：环境设置与数据准备

1.1 课程介绍

1.2 环境配置

1.3 训练数据集选择

第二章：模型架构与训练框架

2.1 DeepSeek R1训练快速概述

2.2 选择基本模型

2.3 RL策略模型（R）

第三章：GRPO算法与训练流程

3.1 R1 Zero的GRPO算法

3.2 提示模板

3.3 预处理训练数据

3.4 R1 Zero训练配置

3.5 GRPO训练循环

第四章：奖励函数设计

4.1 准确度奖励

4.2 赛制奖励

4.3 推理步骤奖励

4.4 余弦缩放奖励

4.5 重复惩罚奖励

4.6 保存Tiny R1 Zero LLM

4.7 R1 Zero的两个主要问题

第五章：监督微调（SFT）阶段1学习

5.1 Long CoT Few-shot

5.2 直接提示

5.3 后处理优化

5.4 SFT阶段1（冷启动）

5.5 SFT Trainer配置

5.6 阶段1训练循环

5.7 保存我们的小小R1模型

第六章：SFT阶段2与后续优化

6.1 以推理为导向的强化学习

6.2 拒绝采样

6.3 SFT阶段2后续训练

6.4 模型蒸馏

如何使用CloudStudio公开课

第一步

进入cloudstudio.net ——【学习中心】——【DeepSeek R1模型训练与优化实战】

第二步

点击章节进入学习

第三步

进入具体章节，例如【1.3 训练数据集选择】章节。如下图所示，学习者可以：

在【教案区域】观看教学内容

点击【下一节】查看下一节课程内容

使用AI代码助手进行代码解读

加入Cloud Studio自媒体特权计划

我们推出了针对为Cloud Studio宣传的自媒体特权计划，招募长期合作的内容创作者，创作者将永久被授予20000分钟/月的基础版GPU使用配额。

20000分钟（333小时）8+TFlops算力、16GB+显存的使用配额！这意味着什么！

可以系统化地利用DeepSeek R1模型实现从模型优化到实际落地的完整闭环。可生成数十万10万条营销文案、可提供稳定的高并发实时API服务。

心动了吗？

还在等什么呢？！

快来体验吧！！

参与方式

可至「CloudStudio」官方公众号联系参与

入选标准

● 拥有自媒体账号，且输出稳定

● 过往具备Cloud Studio相关分享经验，且具备干货内容

● 长期使用Cloud Studio进行工作、学习

希望创作者

1. 在ide.cloud.tencent.com平台上使用DeepSeek相关模板

2. 将实践经验以视频或文章的方式发布到任意媒体渠道（包括但不限于B站、抖音、小红书、个人博客等）。实践内容包含但不限于模型推理、创建知识库、构建个人应用等。每月至少分享两次。

注意：我们鼓励原创和真实，请不要抄袭、搬运他人内容。