中國公司在人工智能（AI）領域的創(chuàng)新實力正日益受到全球矚目。此前，DeepSeek率先通過大規(guī)模強化學習（Reinforcement Learning, RL）顯著提升了模型的推理性能，這一突破性進展引發(fā)了世界轟動。在此背景下，阿里巴巴（阿里）QwQ-32B的新型大語言模型，取得了更加驚艷的效果。

▍DeepSeek的開創(chuàng)性貢獻

DeepSeek作為一家中國公司，率先將大規(guī)模強化學習應用于AI模型的后訓練中，成功大幅提升了模型在推理任務上的表現(xiàn)。其旗艦模型DeepSeek-R1擁有6710億參數(shù)（其中370億激活參數(shù)），在數(shù)學推理、編程能力等領域的優(yōu)異表現(xiàn)讓全球AI研究界為之振奮。這一創(chuàng)新為AI模型性能的提升開辟了新的可能性，也為后續(xù)研究奠定了基礎。

▍阿里QwQ-32B：更高效的性能突破

阿里基于DeepSeek的開創(chuàng)性工作，進一步驗證并優(yōu)化了大規(guī)模強化學習技術，推出了QwQ-32B模型。該模型僅擁有320億參數(shù)，參數(shù)規(guī)模遠小于DeepSeek-R1，卻在多個基準測試中展現(xiàn)出與之媲美的性能，包括：

• 數(shù)學推理：能夠高效解決復雜的數(shù)學問題。
• 編程能力：生成高質量代碼并通過測試用例驗證。
• 通用能力：在廣泛的任務中表現(xiàn)出色。

更令人驚嘆的是，QwQ-32B還集成了智能體（Agent）相關能力，使其在使用工具時具備批判性思考能力，并能根據(jù)環(huán)境反饋動態(tài)調整推理過程。這一特性顯著增強了模型在實際應用中的靈活性和實用性。

▍創(chuàng)新的強化學習策略

阿里團隊在QwQ-32B的訓練中采用了獨特的強化學習策略，從冷啟動開始，針對數(shù)學和編程任務進行大規(guī)模優(yōu)化。具體方法包括：

• 直接反饋機制：
• • 數(shù)學任務：通過驗證答案正確性提供反饋。
  • 編程任務：利用代碼執(zhí)行服務器檢查生成的代碼是否通過測試用例。
• 兩階段強化學習：
• • 第一階段專注于數(shù)學和編程能力的提升。
  • 第二階段引入針對通用能力的訓練，結合通用獎勵模型和基于規(guī)則的驗證器，僅通過少量步驟就顯著提升了整體性能，同時保持了數(shù)學和編程任務的高水平表現(xiàn)。

這一策略不僅驗證了強化學習在提升模型智能方面的潛力，還通過高效的訓練流程實現(xiàn)了性能的最大化。

▍開源共享，推動全球AI發(fā)展

為了加速AI技術的普及與發(fā)展，阿里將QwQ-32B以Apache 2.0開源協(xié)議在Hugging Face和ModelScope上發(fā)布，供全球研究人員和開發(fā)者免費使用。此外，公眾還可以通過Qwen Chat直接體驗這一模型的強大功能，進一步拉近了尖端技術與普通用戶之間的距離。

QwQ-32B的成功再次表明，將強大的基礎模型與大規(guī)模強化學習相結合，能夠在較小的參數(shù)規(guī)模下實現(xiàn)卓越性能，這為未來通向通用人工智能（AGI）提供了可行路徑。

從DeepSeek的創(chuàng)新性探索到阿里的驚艷優(yōu)化，中國企業(yè)在AI領域的接力突破正推動著全球技術的前進。

? AI范兒

要進“交流群”，請關注公眾號獲取進群方式

投稿、需求合作或報道請?zhí)砑庸娞柅@取聯(lián)系方式

點這里關注我，記得標星哦～