QwQ 是 Qwen 系列的推理模型。与传统的指令调优模型相比，QwQ 具备思考和推理能力，可以在下游任务中实现显著增强的性能，尤其是在难题方面。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。通过这一旅程，我们不仅见证了大规模 RL 的巨大潜力，还认识到预训练语言模型中蕴藏的未开发可能性。当我们努力开发下一代 Qwen 时，我们相信将更强大的基础模型与由大规模计算资源驱动的 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，以实现长时程推理，旨在通过推理时间缩放来释放更大的智能。

参考

• 博客