在博客中通义千问团队称扩展强化学习 RL 有潜力进步模型功用，阿里一起也集成相关署理能够让模型运用东西的通义团队一起进行批判性考虑。

博客原文：https://qwenlm.github.io/blog/qwq-32b/。千问代码编写和一般问题的开源处理才能，从基准测验能够看到该模型在才能方面体现不俗。阿里

这个效果也凸显 RL 应用于依据广泛世界知识进行预练习的通义团队稳健根底模型时的有效性，检查全文：https://ourl.co/108211。千问#人工智能 阿里通义千问团队开源 QwQ-32B 模型，开源通义千问也将署理相关的阿里功用集成到推理模型中，

在研讨探究强化学习的通义团队可扩展性及其对增强大型言语模型智能的影响，该模型经过 RL 强化学习进行练习并进步模型的千问推理才能，逾越传统的开源预练习和后练习方法。但其功用比美具有 6710 亿个参数的阿里 DeepSeek-R1 模型。

QwQ-32B 经过一系列基准测验旨在评价数学推理、通义团队

HuggingFace：https://huggingface.co/Qwen/QwQ-32B。千问RL 能够明显进步模型的推理才能，最近的研讨标明，例如 DeepSeek-R1 经过整合冷启动数据和多阶段练习完成了最先进的功用以及深度考虑和杂乱推理。用户也能够经过 Qwen Chat 渠道运用该模型。

别的 QwQ-32B 现在已经在 Apache 2.0 许可证下经过 HuggingFace 和 ModelScope 开源，该模型具有 320 亿个参数，并依据环境反应调整推理。