アリババが新フレームワーク「QwenLong-L1」発表：長文推論でClaude 3.7に匹敵
アリババは長文読解と推論を強化するRLフレームワーク「QwenLong-L1」を発表した。段階的な強化学習により12万トークンの長文でも安定した思考を可能にし、32BモデルはClaude-3.7 Sonnet Thinkingに匹敵し、o3-miniを上回る精度を記録した。
アリババは長文読解と推論を強化するRLフレームワーク「QwenLong-L1」を発表した。段階的な強化学習により12万トークンの長文でも安定した思考を可能にし、32BモデルはClaude-3.7 Sonnet Thinkingに匹敵し、o3-miniを上回る精度を記録した。