QwenLong-L1-32B 模型登场：阿里通义千问首个强化学习训练的长文本推理 AI 模型

5 月 27 日消息，阿里通义千问 Qwen 团队昨日（5 月 26 日）发布 QwenLong-L1-32B 模型，是其首个通过强化学习训练的长文本情境推理模型（LRM）。ALu28资讯网——每日最新资讯28at.com

在七个长文本 DocQA 基准测试中，表现超越 o3-mini 和 Qwen3-235B-A22B 等旗舰模型，与 Claude-3.7-Sonnet-Thinking 相当。ALu28资讯网——每日最新资讯28at.com

ALu28资讯网——每日最新资讯28at.com

QwenLong-L1-32B 模型最大的亮点，在于上下文窗口最高支持 131072 个 tokens。该模型基于 QwenLong-L1 框架开发，采用了先进的 GRPO（Group Relative Policy Optimization）和 DAPO（Direct Alignment Policy Optimizatio）算法，结合基于规则和基于模型的混合奖励函数，显著提升了模型在长上下文推理中的准确性和效率。ALu28资讯网——每日最新资讯28at.com

ALu28资讯网——每日最新资讯28at.com

具体而言，团队在监督微调（SFT）阶段建立一个稳健的初始策略，随后采用课程引导的分阶段强化学习技术来稳定策略演变，并结合难度感知的回顾采样策略来激励策略探索。ALu28资讯网——每日最新资讯28at.com

ALu28资讯网——每日最新资讯28at.com

除了模型本身，阿里还发布了一套针对长文本推理问题的完整解决方案。该方案包含四个核心组件: 高性能的 QwenLong-L1-32B 模型、专门优化的训练数据集、创新的强化学习训练方法，以及全面的性能评估体系。ALu28资讯网——每日最新资讯28at.com

附上参考地址ALu28资讯网——每日最新资讯28at.com

GitHubALu28资讯网——每日最新资讯28at.com

HuggingfaceALu28资讯网——每日最新资讯28at.com

QwenLong-L1: Towards Long-Context Large Reasoning Models with Reinforcement LearningALu28资讯网——每日最新资讯28at.com

本文链接：http://www.28at.com/showinfo-45-13259-0.htmlQwenLong-L1-32B 模型登场：阿里通义千问首个强化学习训练的长文本推理 AI 模型

声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com

上一篇： 更新：OpenAI 宣布阿联酋全境接入 ChatGPT AI

下一篇： 微软携手清华、北大推出奖励推理模型：根据 AI 任务复杂性动态分配计算资源