阿里用强化学习增强大模型思考能力

阿里通义发布QwQ-32B：强化学习驱动推理升级，32B参数逼近更大模型表现

阿里通义发布了 QwQ-32B，重点强调通过强化学习进一步提升推理表现。和单纯堆参数规模不同，这次更新的核心看点，是用 320 亿参数模型在复杂推理任务上逼近更大体量模型的效果，让“更轻量但更会思考”的路线更清晰。 从产品意义看，QwQ-32B 不是只服务实验室演示，而是更适合被拿来做推理型问答、复...