阿里通义千问团队发布了QwenLong-L1-32B模型，这是一个通过强化学习训练的长文本情境推理模型。该模型在长文本DocQA基准测试中表现优异，超越了o3-mini和Qwen3-235B-A22B等模型，并与Claude-3.7-Sonnet-Thinking性能相当。QwenLong-L1-32B最大的特点是其131072个tokens的上下文窗口支持。该模型采用了GRPO和DAPO算法，结合混合奖励函数，显著提升了长上下文推理的准确性和效率。阿里还发布了一套完整的长文本推理解决方案，包括模型、优化训练数据集、强化学习训练方法和性能评估体系。
💡 QwenLong-L1-32B是阿里通义千问团队推出的首个通过强化学习训练的长文本情境推理模型，在七个长文本DocQA基准测试中表现突出。
🚀 QwenLong-L1-32B模型的核心优势在于其超长的上下文窗口，最高支持131072个tokens，远超其他同类模型。
🛠️ 该模型基于QwenLong-L1框架开发，采用了GRPO和DAPO算法，并结合基于规则和基于模型的混合奖励函数，从而提升了长上下文推理的准确性和效率。
📚 阿里同时发布了一套针对长文本推理问题的完整解决方案，包括高性能模型、专门优化的训练数据集、创新的强化学习训练方法和全面的性能评估体系。
✨ 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。
IT之家 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）。
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。
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。
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。
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。
IT之家附上参考地址
