QwenLong-L1-32B – 阿里巴巴的长文本推理新突破

QwenLong-L1-32B 是阿里巴巴 Qwen-Doc 团队开源的首个长文本推理大模型，专为处理复杂的长文本任务而设计。该模型基于强化学习框架，通过渐进式上下文扩展和混合奖励机制，显著提升了长文本推理的准确性和效率。

核心功能

QwenLong-L1-32B 的核心功能包括：

• 长文本推理：能够处理复杂的多跳推理、逻辑推理和数学推理问题，适用于法律、金融、科研等多个领域。
• 稳定训练：通过课程引导的强化学习和难度感知的回顾性采样策略，确保训练过程稳定。
• 混合奖励：结合基于规则和基于模型的奖励，平衡精确性和召回率。
• 高性能表现：在多个长文本文档问答（DocQA）基准测试中，表现优于现有的旗舰模型，如 OpenAI-o3-mini 和 Qwen3-235B-A22B。

技术原理

QwenLong-L1-32B 的技术原理基于以下几点：

• 渐进式上下文扩展：将训练过程分为多个阶段，逐步增加上下文长度，确保模型在每个阶段都能稳定适应更长的上下文。
• 混合奖励机制：结合基于规则的验证和基于模型的判断，平衡精度和召回率。
• 强化学习算法：采用 GRPO（组相对策略优化）和 DAPO（直接对齐策略优化）算法，优化策略的同时降低计算复杂度。
• 预训练和微调：使用预训练的短文本推理模型作为基础模型，并在强化学习训练前进行监督微调，构建稳健的初始策略。

支持平台

QwenLong-L1-32B 支持多种平台，包括：

• GitHub 仓库：https://github.com/Tongyi-Zhiwen/QwenLong-L1
• Hugging Face 模型库：https://huggingface.co/Tongyi-Zhiwen/QwenLong-L1-32B
• 魔搭社区：https://modelscope.cn/models/iic/QwenLong-L1-32B

团队介绍

QwenLong-L1-32B 由阿里巴巴 Qwen-Doc 团队开发，该团队专注于长文本推理和强化学习技术的研究与开发。团队成员包括 Fanqi Wan、Weizhou Shen、Shengyi Liao 等多位资深研究人员。

项目资源

• GitHub 仓库：https://github.com/Tongyi-Zhiwen/QwenLong-L1
• Hugging Face 模型库：https://huggingface.co/Tongyi-Zhiwen/QwenLong-L1-32B
• arXiv 技术论文：https://arxiv.org/pdf/2505.17667

业务场景

QwenLong-L1-32B 适用于多种业务场景，包括但不限于：

• 法律文档分析：能够高效整合多篇法律文件的信息，提取关键点并进行深入分析。
• 财务报告解读：在金融领域，支持复杂的财务数据分析和报告解读。
• 科研论文阅读：帮助研究人员快速定位关键信息，提升科研效率。