今天凌晨 3 点，阿里开源发布了新推理模型 QwQ-32B，其参数量为 320 亿，但性能足以比肩 6710 亿参数的 DeepSeek-R1 满血版。

　　千问的推文表示：「这次，我们研究了扩展 RL 的方法，并基于我们的 Qwen2.5-32B 取得了一些令人印象深刻的成果。我们发现 RL 训练可以不断提高性能，尤其是在数学和编码任务上，并且我们观察到 RL 的持续扩展可以帮助中型模型实现与巨型 MoE 模型相媲美的性能。欢迎与我们的新模型聊天并向我们提供反馈！」

　　千问官方发布了题为「QwQ-32B: 领略强化学习之力」的官方中文博客介绍这一吸睛无数的进展。考虑到强化学习之父 Richard Sutton 与导师 Andrew Barto 刚刚获得图灵奖，QwQ-32B 的发布可说是非常应景。

　　博客中写到，大规模强化学习（RL）非常具有潜力，在提升模型性能方面可望超越传统的预训练和后训练方法。

　　近期的研究表明，强化学习可以显著提高模型的推理能力。例如，DeepSeek-R1 通过整合冷启动数据和多阶段训练，实现了最先进的性能，使其能够进行深度思考和复杂推理。

　　而千问团队则探索了大规模强化学习（RL）对大语言模型的智能的提升作用，推理模型 QwQ-32B 便由此而生。

　　这是一款拥有 320 亿参数的模型，其性能可媲美具备 6710 亿参数（其中 370 亿被激活）的 DeepSeek-R1。该团队表示：「这一成果突显了将强化学习应用于经过大规模预训练的强大基础模型的有效性。」

　　QwQ-32B 中还集成了与 Agent（智能体）相关的能力，使其能够在使用工具的同时进行批判性思考，并根据环境反馈调整推理过程。该团队表示：「我们希望我们的一点努力能够证明强大的基础模型叠加大规模强化学习也许是一条通往通用人工智能的可行之路。」

　　在初始阶段，先特别针对数学和编程任务进行 RL 训练。与依赖传统的奖励模型（reward model）不同，千问团队通过校验生成答案的正确性来为数学问题提供反馈，并通过代码执行服务器评估生成的代码是否成功通过测试用例来提供代码的反馈。

　　在第一阶段的 RL 过后，他们又增加了另一个针对通用能力的 RL。此阶段使用通用奖励模型和一些基于规则的验证器进行训练。结果发现，通过少量步骤的通用 RL，可以提升其他通用能力，同时在数学和编程任务上的性能没有显著下降。

　　千问团队还在博客中分享了未来计划，其中写到：「这是 Qwen 在大规模强化学习（RL）以增强推理能力方面的第一步。通过这一旅程，我们不仅见证了扩展 RL 的巨大潜力，熊猫体育app还认识到预训练语言模型中尚未开发的可能性。在致力于开发下一代 Qwen 的过程中，我们相信将更强大的基础模型与依托规模化计算资源的 RL 相结合，将会使我们更接近实现人工通用智能（AGI）。此外，我们正在积极探索将智能体与 RL 集成，以实现长时推理，目标是通过推理时间扩展来释放更高的智能。」

　　QwQ-32B 一发布就收获了无数好评，甚至我们的不少读者也在催促我们赶紧报道。

　　在前段时间的 DeepSeek 热潮中，大家都热衷于讨论满血版，因为蒸馏版性能受限。但是 671B 的满血版模型无法轻易部署，普通的端侧设备只能退而求其次。现在，Qwen 把模型大小打下来了，端侧有希望了吗？

　　有网友表示，手机上肯定还不行，但运行内存比较高的 Mac 或许可以一战。

　　还有人喊话阿里巴巴通义实验室科学家 Binyuan Hui 去做更小的模型。

　　苹果机器学习研究者 Awni Hannun 也同样已经在 M4 Max 上成功运行了 QwQ-32B，看起来速度非常快。

　　在 Qwen 的官方聊天界面（Qwen Chat），我们已经能看到 QwQ-32B 的预览版模型。感兴趣的读者可以前去测试。

　　03月06日，厄瓜多尔全国限电一周 每日停电最长14小时，火狐体育官网下载app，中欧体育，ag亚洲游戏集团直达，天博官网app下载安装

　　03月06日，宝马集团董事长：欧盟拟对中国电动汽车加征关税是错误决策，澳门威尼斯电玩，bletapp下载，ld体育官网，千亿买球

　　03月06日，中国空军：歼-35A飞机用上强劲“中国心”，九游官网APP，熊猫体育app九五至尊游戏手机版网址，心博天下开户，亚博在哪里玩

　　03月06日大省见闻丨广东的守与进：制造业再攀高乐发彩票网天享棋牌im体育体育外围hg2088官方

　　03月06日国家图书馆“四季童读”2024年春季卷书单在京发布九游会登录网站吗盈球足球app下载爱游戏体育官方网页版AG电子游艺

　　03月06日今日告别“三伏天”！养生要提上日程，未来的日子别将就着过~ 时令节气与健康江苏宿迁一小区商铺发生火灾 造成6人死亡八卦天数电子游戏开户火狐网投平台乐虎国际在线官网……

　　03月06日，加密两地商业往来 呼和浩特开通直飞无锡航班，球探比分 网球，188乒乓球实时比分，网上彩票官方网站，线日，CBA俱乐部杯赛青岛赛区开赛 北京北汽收获开门红，熊猫体育appbbin新体育，澳门新莆京娱乐，爱博2022世界杯，雷速体育最新版本闪退

　　03月06日德国总理朔尔茨访问乌克兰乐天娱乐城金沙官网棋牌亚美am8会员登录下载凯时app

　　03月06日，新疆兵团社区居家养老水平提升，letou首页入口，Fun88app官网478，捕鱼电玩城大全上下分，伟德体育手机客户端下载

　　03月06日，投资20亿元的普洛斯清远时尚科技创新谷开园，炸金花手游下载，e世博平台网址，888线日，时政微观察｜“培育更多世界一流企业”，多多云手机彩票平台，盛世app下载安装，天博官网APP下载，亚洲正规赌场

　　03月06日追光的你丨正是大显身手时12博的网址是多少新万博 篮球新闻AG水果拉霸机开户波克捕鱼中把海盗船打爆怎么得金币

　　03月06日黄如军：纪念长征是永恒的主题，要把精神传承下去《求是》杂志发表习重要文章《完整、准确、全面贯彻落实关于做好新时代党的统一战线工作的重要思想》电子游戏送彩金平台线线日财政部：一季度全国一般公共预算支出同比增长2.9%好运来彩票官网下载ku游官网登录入口2022利记推荐雷乐汇凯时k8国际

　　2023年全国人均购买彩票超400元，起点作者描写女主接水被狂喷强冷空气将席卷我国大部地区 台风“天兔”加强为超强台风凯发娱乐手机版客户端男篮世界杯投注BOB官网地址ag旗下的平台

　　到了30岁还是，似乎会变成魔法师(泰国版)，狮子的藏身处华侨华人代表列席粤政协会议：将紧贴各地所需引资引智欧洲体育网站电子银河网站亚博电竞新皇冠官网app下载苹果

　　枕刀歌 第二季，2024LPL春决 BLG vs TES甘肃：法院“一站式建设”为诉讼提供“多选项”万博max官网地址K8凯发线平台登陆三张牌官方下载

　　老外是懂刺激的，新加坡门将桑尼下月将受邀来中国香港金融科技周推动金融科技发展凯发k8官网下载客户皇冠游戏登录大发888网址是多少体球网足球比分

　　中国游泳队2金3银7铜收官，我独自升级国家发改委：银发经济孕育着新机遇 将催生新领域和新赛道365bet注册在线游戏评级欧博手机版登陆龙8官网手里皇冠app是干什么的

　　潘展乐的腹肌为什么不对称，韩国执政党党首称尹锡悦须尽早停职第46个植树节回头看：中国人种树到底有多牛？SDY体育平台贝博体育官网平台登录澳门威斯尼斯人平台21网址龙8国际在线官网

　　中新健康丨达芬奇机器人+荧光显像技术精准导航 上海专家成功救回12岁女孩生命