qwq

QwQ 是 Qwen 系列的推理模型。

工具 32b

868.3K 6 天前

自述文件

QwQ 是 Qwen 系列的推理模型。与传统的指令调优模型相比,QwQ 具有思考和推理能力,可以在下游任务中实现显着增强的性能,尤其是在难题中。QwQ-32B 是中等规模的推理模型,能够实现与最先进的推理模型(例如,DeepSeek-R1、o1-mini)相媲美的性能。

未来的工作

这标志着 Qwen 在扩展强化学习 (RL) 以增强推理能力方面迈出的第一步。通过这段旅程,我们不仅见证了规模化 RL 的巨大潜力,也认识到预训练语言模型中尚未开发的潜力。随着我们努力开发下一代 Qwen,我们相信将更强大的基础模型与由规模化计算资源驱动的 RL 相结合,将推动我们更接近实现通用人工智能 (AGI)。此外,我们正在积极探索将代理与 RL 集成以实现长期推理,旨在通过推理时间缩放来释放更大的智能。

参考文献