由于 DeepSeek R1 和 OpenAI o1 等推理模型（LRM，Large Reasoning Model）带来了新的 post-training scaling law，强化学习（RL，Reinforcement ...

本周，蚂蚁技术研究院和清华大学交叉信息院吴翼团队，联合发布了训练速度最快最稳定的开源强化学习训练框架 AReaL（Ant Reasoning RL），并公开全部数据和完成可复现的训练脚本。

在人工智能领域持续突破的浪潮中，Qwen 团队最新发布的模型 QwQ-32B，以 320 亿参数规模，再次刷新行业对开源大模型的认知。该模型在代码生成、多轮对话等任务中展现出了卓越的表现，推理能力更是比肩满血版 ...

阿里云通义千问官方今日宣布推出最新的推理模型 QwQ-32B。这是一款拥有 320 亿参数的模型，其性能可与具备 6710 亿参数（其中 370 亿被激活）的 DeepSeek-R1 媲美。

阿里妹导读本文介绍如何通过百炼平台调用QwQ-32B开源模型。百炼平台提供的标准化 API 接口，免去了自行构建模型服务基础设施的麻烦，并支持负载均衡及自动扩缩容，确保了 API 调用的高稳定性。此外，结合使用 Chatbox ...

参数精简，性能不减，成本仅1/10 根据官方披露的测试结果，QwQ-32B在多项关键评测中表现卓越： 在测试数学能力的AIME24评测集上，QwQ-32B与DeepSeek-R1 ...

读了QwQ-32B的博客，我们发现：这次又是强化学习（RL）立大功了！ 1.QwQ-32B的炼成：强化学习还有多少惊喜？ 从阿里的技术博客我们能了解到两点：1.强化学习扩展依然是这次性能飞跃的重中之重 2.这个方向还有很长的路能走！ 在具体的训练上，通义团队分了 ...