阿里通義千問團隊5月26日正式推出QwenLong-L1-32B模型，這是其首個通過強化學習訓練的長文本情境推理模型(LRM)。

　　該模型在七個長文本DocQA基準測試中表現優異，超越多個旗艦模型，性能與Claude-3.7-Sonnet-Thinking相當。

　　QwenLong-L1-32B最大特點是支持高達131072個tokens的上下文窗口。基于QwenLong-L1框架開發，該模型采用創新的GRPO和DAPO算法，結合混合獎勵函數，顯著提升了長文本推理的準確性和效率。團隊在訓練過程中運用了課程引導的分階段強化學習技術和難度感知的回顧采樣策略。

　　除模型外，阿里還發布了完整的長文本推理解決方案，包含高性能模型、優化數據集、創新訓練方法和全面評估體系四大核心組件。