⌘ K
… 读取采集状态 同步中...
雷
原文
Qwen Blog·· 2025-03-06精选AI 评分81

QwQ-32B 发布:基于强化学习的推理模型

QwQ-32B: Embracing the Power of Reinforcement Learning

AI 导读

Qwen 团队发布 QwQ-32B,通过扩展强化学习(RL)使 32B 参数模型在数学、编码和通用推理任务上达到与 DeepSeek-R1(671B 参数)相近的性能。

推荐理由

32B 模型通过强化学习在推理能力上对标 671B 参数模型,展示了小参数模型经强化学习提升智能的可行性,并开放了使用代码示例。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:Qwen Blog · qwenlm.github.io