IT之家 3 月 6 日消息，研究表明，強化學習可以顯著提高模型的推理能力，例如 DeepSeek-R1 通過整合冷啟動數(shù)據(jù)和多階段訓練，實現(xiàn)了最先進的性能，使其能夠進行深度思考和復雜推理。
阿里云通義千問官方今日宣布推出最新的推理模型 QwQ-32B。這是一款擁有 320 億參數(shù)的模型，其性能可與具備 6710 億參數(shù)（其中 370 億被激活）的 DeepSeek-R1 媲美。
這一成果凸顯了將強化學習應用于經(jīng)過大規(guī)模預訓練的強大基礎模型的有效性。此外，我們還在推理模型中集成了與 Agent 相關的能力，使其能夠在使用工具的同時進行批判性思考，并根據(jù)環(huán)境反饋調(diào)整推理過程。
目前，QwQ-32B 已在 Hugging Face (https://huggingface.co/Qwen/QwQ-32B) 和 ModelScope (https://modelscope.cn/models/Qwen/QwQ-32B) 開源，并采用了 Apache 2.0 開源協(xié)議。IT之家提醒，用戶也可以通過 Qwen Chat（https://chat.qwen.ai/?models=Qwen2.5-Plus）直接進行體驗。
性能方面，阿里云對 QwQ-32B 測試了數(shù)學推理、編程能力和通用能力，并展示了 QwQ-32B 與其他領先模型的性能對比，包括 DeepSeek-R1-Distilled-Qwen-32B、DeepSeek-R1-Distilled-Llama-70B、o1-mini 以及原始的 DeepSeek-R1。
在測試數(shù)學能力的 AIME24 評測集上，以及評估代碼能力的 LiveCodeBench 中，千問 QwQ-32B 表現(xiàn)與 DeepSeek-R1 相當，遠勝于 o1-mini 及相同尺寸的 R1 蒸餾模型；在由 Meta 首席科學家楊立昆領銜的“最難 LLMs 評測榜” LiveBench、谷歌等提出的指令遵循能力 IFEval 評測集、由加州大學伯克利分校等提出的評估準確調(diào)用函數(shù)或工具方面的 BFCL 測試中，千問 QwQ-32B 的得分均超越了 DeepSeek- R1。
阿里云表示，這是 Qwen 在大規(guī)模強化學習（RL）以增強推理能力方面的第一步。通過這一旅程，不僅見證了擴展 RL 的巨大潛力，還認識到預訓練語言模型中尚未開發(fā)的可能性。
在致力于開發(fā)下一代 Qwen 的過程中，阿里云計劃將更強大的基礎模型與依托規(guī)模化計算資源的 RL 相結合，從而使其更接近實現(xiàn)人工通用智能（AGI）。此外，阿里云正積極探索將智能體與 RL 集成，以實現(xiàn)長時推理，目標是通過推理時間擴展來釋放更高的智能，敬請期待。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。