阿里推出QwenLong-L1-32B：一款用于长上下文推理的LLMai破解版免费下载

草莓导航于2025-05-27发布在Ai产品ai在线使用

2025年5月26日，阿里巴巴团队发布QwenLong-L1-32B，首个基于强化学习训练的长上下文大推理模型，和DocQA-RL-1.6K数据集（含1600个数学、逻辑、多跳推理类文档问答问题）。其框架通过预热监督微调、课程引导强化学习、难度感知回顾采样机制解决长上下文推理强化学习中训练效率低、优化过程不稳定的挑战，在7个长上下文DocQA基准测试中性能优于Openai全免费ai人工智能-o3-mini和Qwen3-235B-A22B，与Claude-3.7-Sonnet-Thinking持平。

模型框架千问网页版官网入口

核心理念：通过强化学习（RL）将短上下文大规模推理模型（LRMs）适应到长上下文场景中。ai大模型

主要组成部分：ai大模型

预热监督微调（SFT）阶段：建立稳健的初始策略。说的ai
基于课程的分阶段强化学习技术：稳定策略演化。说的ai
难度感知回顾采样策略：激励策略探索。ai在线使用

训练数据万联摩尔

使用了名为DocQA-RL-1.6K的专门强化学习训练数据集，包含1600个涵盖数学、逻辑和多跳推理领域的文档问答问题。ai人工智

性能表现全免费ai人工智能

在七个长上下文文档问答基准测试中，QwenLong-L1-32B的表现超过了OpenAI-o3-mini和Qwen3-235B-A22B等旗舰级LRMs，达到了与Claude-3.7-Sonnet-Thinking相当的水平，在当前最先进的LRMs中表现出领先性能。全免费ai人工智能

实验设计ai的软件

构建了一个专门的RL训练数据集DocQA-RL-1.6K，包含1600个文档问答问题，涵盖数学、逻辑和多跳推理领域。下载即梦
数学推理部分使用了DocMath数据集的600个问题，其中75%用于训练，25%用于评估。ai在线使用
逻辑推理部分通过DeepSeek-R1合成了600个多选题，涵盖法律、金融、保险和生产领域的实际文档。万联摩尔
多跳推理部分从MultiHopRAG和Musique中各采样200个例子，强调跨文档推理。密鸽官方
在七个长上下文DocQA基准测试上进行了评估，包括2WikiMultihopQA、HotpotQA、Musique、NarrativeQA、Qasper、Frames和DocMath。ai在线使用

结果与分析ai的软件

QwenLong-L1-32B在七个长上下文DocQA基准测试中表现优异，超过了OpenAI-o3-mini和Qwen3-235B-A22B等旗舰LRM模型，性能与Claude-3.7-Sonnet-Thinking相当。ai指的是什么意思
在数学推理基准DocMath上，QwenLong-L1-32B的精确匹配和LLM判断准确率达到了85.3%。ai在线使用
在多跳推理基准HotpotQA上，模型的表现达到了87.6%，显著优于现有模型。ai破解版免费下载