新周期，誰在堅守窄門？
來源：錦緞今日的投資者恐怕已經忘記了，在OpenAI創造出ChatGPT這一殺器的前夜，生成式AI也曾經是一道窄門，窄到連馬斯克都差點失去了信心。在當時的輿論眼中，AGI的道路不夠性感，不夠
5 月 27 日消息，阿里通義千問 Qwen 團隊昨日（5 月 26 日）發布 QwenLong-L1-32B 模型，是其首個通過強化學習訓練的長文本情境推理模型（LRM）。
在七個長文本 DocQA 基準測試中，表現超越 o3-mini 和 Qwen3-235B-A22B 等旗艦模型，與 Claude-3.7-Sonnet-Thinking 相當。
QwenLong-L1-32B 模型最大的亮點，在于上下文窗口最高支持 131072 個 tokens。該模型基于 QwenLong-L1 框架開發，采用了先進的 GRPO（Group Relative Policy Optimization）和 DAPO（Direct Alignment Policy Optimizatio）算法，結合基于規則和基于模型的混合獎勵函數，顯著提升了模型在長上下文推理中的準確性和效率。
具體而言，團隊在監督微調（SFT）階段建立一個穩健的初始策略，隨后采用課程引導的分階段強化學習技術來穩定策略演變，并結合難度感知的回顧采樣策略來激勵策略探索。
除了模型本身，阿里還發布了一套針對長文本推理問題的完整解決方案。該方案包含四個核心組件: 高性能的 QwenLong-L1-32B 模型、專門優化的訓練數據集、創新的強化學習訓練方法，以及全面的性能評估體系。
附上參考地址
GitHub
Huggingface
QwenLong-L1: Towards Long-Context Large Reasoning Models with Reinforcement Learning
本文鏈接：http://www.tebozhan.com/showinfo-45-13259-0.htmlQwenLong-L1-32B 模型登場：阿里通義千問首個強化學習訓練的長文本推理 AI 模型
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號